Bernoulli — Vol 30 Issue 2 · 2026-07-14¶
- 共 3 篇 · Bernoulli
- 目录核对 ⚠️ 疑似漏 29 篇（对照 OpenAlex 32 篇）：10.3150/23-bej1647、10.3150/23-bej1620、10.3150/22-bej1529、10.3150/23-bej1648、10.3150/23-bej1633 等
本期导览¶
自动生成：归纳本期主要主题与脉络，不打分、不排名。
这一期 Bernoulli 的三篇论文主题分散，没有形成明显的方法论主线。第一篇聚焦依赖度量的基础理论改进，第二篇属于点过程模型的贝叶斯非参数推断，第三篇则涉及随机几何中 Voronoi 镶嵌的截面性质与高维极限。整体来看，这一期更偏向于概率论与统计学的分支领域，而非集中处理某一类核心统计方法。
最值得关注的是第一篇关于依赖度量的工作。它针对现有依赖度量（如 Pearson、Spearman、Kendall τ、Gini γ）在零值不保证独立、1 值不保证函数依赖上的缺陷，提出通过 Hardy-Littlewood 单调重排构造新度量，使其恰好刻画独立性和函数依赖。该文给出了重排 Spearman ρ 和重排 Kendall τ 的简单相合估计量，并通过模拟和实际数据展示有限样本表现。这项工作属于假设检验中依赖度量的基础理论改进，对依赖结构识别和独立性检验有直接意义。
第二篇关于非线性 Hawkes 过程的贝叶斯非参数估计，推导了参数后验收缩率和贝叶斯估计收敛速度，并证明了 Granger 因果图后验一致性。虽然方法上涉及因果推断，但更偏向点过程模型的非参数贝叶斯理论，与高维统计或 U-统计量的关联较弱。第三篇关于截面 Voronoi 镶嵌的几何性质与高维极限，属于随机几何的纯理论结果，与统计推断方法距离较远。
对于因果推断方向的研究者，第一篇（依赖度量）和第二篇（Granger 因果图后验一致性）可能最相关，但后者更偏向点过程设定。对于半参数效率或高维统计方向，这一期没有直接对应的论文。
数理统计 / 假设检验 (hypothesis_testing, 1 篇)¶
1. 10.3150/23-bej1624 · arXiv — Rearranged dependence measures¶
- 作者: Christopher Strothmann, Holger Dette, Karl Friedrich Siburg
- 期刊/来源: Bernoulli
- 分类: vol 30 · issue 2
- 相关性 6/10 · novelty:
new_method - 摘要: 本文针对现有依赖度量（如 Pearson、Spearman、Kendall 的 τ、Gini 的 γ）的缺陷——零值不保证独立、1 值不保证函数依赖——提出一种通用变换方法，通过 Hardy-Littlewood 单调重排构造新的依赖度量，使其恰好刻画独立性和函数依赖。核心机制是将原始度量应用于经单调重排后的变量，从而获得具有理想边界性质的度量，例如重排 Spearman ρ 和重排 Kendall τ。作者给出了这些度量的简单估计量并证明其相合性，通过模拟和实际数据示例展示了有限样本表现。该工作属于假设检验中依赖度量的基础理论改进，对您可能有用：它直接关联到数学统计与假设检验的兴趣方向，且其重排思想可能为高维或 U-统计量框架下的依赖检验提供新工具。
- 关键技术:
monotone rearrangement,Hardy-Littlewood inequality,dependence measure,consistency,Spearman's rho,Kendall's tau - 为什么对您有用: 本文直接关联到数学统计与假设检验这一主要兴趣，特别是依赖度量的基础性质。技术武器库中'非参数统计'和'高维渐近理论'可用于分析重排估计量的收敛速率和检验功效；'高阶 U-统计量的计算'可能为构造更复杂的重排度量提供计算框架。中期可做：需先在 moderately_familiar 的 '高阶 U-统计量理论' 上提升，以将重排思想推广到多变量或条件依赖设定。
其他 (other, 2 篇)¶
1. 10.3150/23-bej1631 · arXiv — Bayesian estimation of nonlinear Hawkes processes¶
- 作者: Déborah Sulem, Vincent Rivoirard, Judith Rousseau
- 期刊/来源: Bernoulli
- 机构: University of Oxford · Université Paris Dauphine-PSL
- 分类: vol 30 · issue 2
- 相关性 4/10 · novelty:
new_theory - 摘要: 本文研究非线性多元Hawkes过程的贝叶斯非参数估计问题。在Hawkes模型中，事件的发生概率依赖于历史，非线性设定允许刻画激励与抑制两种交互效应。作者在温和的先验与模型假设下，推导了参数后验分布的收缩率，进而得到贝叶斯估计量的收敛速度。针对Granger因果图的推断，证明了后验分布在图邻接矩阵上的一致性，并构造了基于适当损失函数的贝叶斯估计量。该工作为点过程模型的非参数贝叶斯推断提供了理论保障，但方法本身与您的主要兴趣（因果推断、高维统计、U-统计量等）关联较弱。作为统计学习理论的一个分支，本文对您可能仅具参考价值。
- 关键技术:
nonparametric Bayesian estimation,posterior concentration rates,Granger causality,multivariate point processes,Hawkes process - 为什么对您有用: 本文属于点过程与贝叶斯非参数理论，与您的主要兴趣方向（因果推断、高维统计、U-统计量）直接交集有限。Granger因果图的概念虽与因果推断有概念性关联，但方法框架（贝叶斯后验收缩）与您的技术武器库（非参数统计、minimax界、U-统计量）不直接对接。暂不可做——核心机器（点过程后验收缩理论）不在武器库中，且与您的核心研究路径距离较远。
2. 10.3150/23-bej1641 · arXiv — Sectional Voronoi tessellations: Characterization and high-dimensional limits¶
- 作者: Anna Gusakova, Zakhar Kabluchko, Christoph Thäle
- 期刊/来源: Bernoulli
- 分类: vol 30 · issue 2
- 相关性 3/10 · novelty:
new_theory - 摘要: 本文研究 beta-Voronoi、beta-prime-Voronoi 和 Gaussian-Voronoi 镶嵌在 R^d 中与 ℓ 维仿射子空间（1≤ℓ≤d-1）的交集，证明这些截面随机镶嵌与原始镶嵌类型相同但参数不同。特别地，经典 Poisson-Voronoi 镶嵌与仿射子空间的交集分布等价于某个 beta-Voronoi 镶嵌。文章详细分析了截面 Poisson-Voronoi 镶嵌的典型胞腔及典型 k-面的几何性质（如体积、表面积、面数等）。主要理论结果是：当维度 d→∞ 时，固定维数 ℓ 的仿射子空间与 d 维 Poisson-Voronoi 镶嵌的交集依分布收敛到 ℓ 维 Gaussian-Voronoi 镶嵌。该结果揭示了高维随机几何中 Voronoi 镶嵌的极限行为，属于随机几何与高维概率的交叉领域。对您而言，本文涉及高维极限理论（d→∞ 时的收敛性），与您的高维统计兴趣有概念性联系，但方法学工具（随机几何、点过程、Voronoi 镶嵌）与您的技术武器库（非参统计、U-统计量、因果推断）距离较远，属于 gateway-reading 范畴的纯概率/几何工作。
- 关键技术:
Voronoi tessellation,beta-Voronoi tessellation,Gaussian-Voronoi tessellation,Poisson point process,high-dimensional limit,random polytope - 为什么对您有用: 本文属于随机几何与高维概率的纯理论工作，与您的 primary interests（因果推断、高维统计、U-统计量）无直接方法学连接。作为 gateway-reading，本文对 outsider 较为友好——模型定义清晰、极限定理陈述明确，但需要熟悉点过程和凸几何基础。武器库中 'high-dimensional asymptotics' 可帮助理解 d→∞ 的极限框架，但核心机器（Voronoi 镶嵌的几何概率、Stochastic Geometry 的典型工具）不在 arsenal 中，属于暂不可做方向。若您想进入随机几何领域，本文可作为入门读物，但短期内不值得投入全文时间。
Maintained by 陈星宇 · Homepage · Source on GitHub