Bernoulli — Vol 30 Issue 3 · 2026-07-14¶

共 5 篇 · Bernoulli
目录核对 ⚠️ 疑似漏 29 篇（对照 OpenAlex 34 篇）：10.3150/23-bej1663、10.3150/23-bej1650、10.3150/23-bej1679、10.3150/23-bej1667、10.3150/23-bej1681 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》第30卷第3期的5篇论文在主题上较为分散，大致可归为三条主线：高维统计与鲁棒矩阵恢复（1篇）、假设检验与相依性推断（2篇）、以及概率论与随机过程极限理论（2篇）。其中，前两条主线与统计推断方法直接相关，后两条则更偏向纯概率论与统计物理，与主流统计研究者的兴趣距离较远。

在高维统计与鲁棒矩阵恢复这条线上，唯一一篇论文《Low-rank matrix recovery under heavy-tailed errors》聚焦于在重尾、异方差且仅需有界方差的噪声下，通过凸松弛恢复近似低秩矩阵。它改进了Fan, Wang & Zhu (2021)的偏差界，使收敛速率与噪声尺度成比例，并在无噪声时收敛到零；计算上提出了矩阵版本的局部自适应MM算法，比ADMM更快且可扩展。该文对高维统计中鲁棒性理论（尤其是亚高斯型偏差）和计算方法的结合有直接推进。

在假设检验与相依性推断这条线上，有两篇论文。一篇《Detecting long-range dependence for time-varying linear models》针对时变系数线性回归模型中的长记忆性检验，构造了KPSS、R/S、V/S和K/S四类统计量，并针对统计量在特定超平面退化的问题提出了bootstrap辅助检验，证明了其在退化和非退化情形下均一致。另一篇《Moment inequalities for sums of weakly dependent random fields》则从更基础的矩不等式角度，为d维网格上的部分和推导了Azuma-Hoeffding型和Burkholder型不等式，通过多尺度逼近和鞅差分解避免了交换滤子假设。这两篇虽主题不同（长记忆检验 vs. 弱相依矩不等式），但都涉及对复杂相依结构的统计推断，且后者提供的技术工具（多尺度逼近、鞅差分解）可直接用于高维统计中U-统计量或部分和收敛性的分析。

其余两篇《Limit theorems for random Motzkin paths near boundary》和《The motion of the tagged particle in the asymmetric exclusion process with long jumps》属于概率论与随机过程领域，与统计推断无直接关联，但后者中的鞅方法和随机积分方程可能对纵向因果推断中的随机过程建模有间接启发。

对于因果推断方向的研究者，本期没有直接相关的论文；对于高维统计方向，优先看《Low-rank matrix recovery under heavy-tailed errors》；对于假设检验与相依性推断方向，优先看《Detecting long-range dependence for time-varying linear models》和《Moment inequalities for sums of weakly dependent random fields》。

高维统计 / 随机矩阵 (high_dim_rmt, 1 篇)¶

1. 10.3150/23-bej1675 — Low-rank matrix recovery under heavy-tailed errors¶

作者: Myeonghun Yu, Qiang Sun, Wen-Xin Zhou
期刊/来源: Bernoulli
机构: University of California San Diego · University of Toronto · University of Illinois Chicago · Decision Sciences (United States)
分类: vol 30 · issue 3
相关性 8/10 · novelty: sharper_rate
摘要: 本文研究在重尾、非对称且允许异方差误差下，通过凸松弛方法恢复近似低秩矩阵的问题，涵盖矩阵压缩感知、矩阵补全和多任务回归三种经典设定。统计上，在噪声仅具有有界方差的条件下，推导了亚高斯型偏差界，改进了 Fan, Wang & Zhu (2021) 的结果，使收敛速率与噪声尺度成比例，因此在无噪声情形下收敛到零。计算上，提出了矩阵版本的局部自适应 MM 算法，比先前使用的 ADMM 更快且可扩展至大规模数据。数值实验验证了该方法相对于非鲁棒方法的优势，并支持了收敛速率与噪声尺度成比例的理论发现。该工作对您在高维统计和统计计算方面的兴趣有直接关联，特别是其凸松弛框架和自适应 MM 算法可迁移至您熟悉的逆问题与软件工具开发。
关键技术: convex relaxation, local adaptive majorize-minimization (MM) algorithm, sub-Gaussian deviation bounds, matrix compressed sensing, matrix completion, multitask regression
为什么对您有用: 本文直接关联您的高维统计（矩阵恢复）和统计计算（算法）兴趣。其凸松弛框架和自适应 MM 算法可视为您非常熟悉的逆问题与软件工具开发的具体应用，中期可做的是将 MM 算法与您熟悉的 einsum 库结合，优化高阶 U-统计量的计算效率。

数理统计 / 假设检验 (hypothesis_testing, 2 篇)¶

1. 10.3150/23-bej1680 · arXiv — Detecting long-range dependence for time-varying linear models¶

作者: Lujia Bai, Weichi Wu
期刊/来源: Bernoulli
分类: vol 30 · issue 3
相关性 7/10 · novelty: new_method
摘要: 本文研究时变系数线性回归模型中的长记忆性检验问题。设定中协变量和误差均为局部平稳过程，允许复杂的时序动态和异方差性。基于非参数残差构造了 KPSS、R/S、V/S 和 K/S 四类检验统计量，并在原假设、局部备择和固定备择下推导了极限分布。针对统计量在特定超平面退化的问题，提出了 bootstrap 辅助检验，并证明其在退化和非退化情形下均一致。在协变量存在时，bootstrap 辅助检验的精确局部渐近功效与经典 KPSS 检验同阶。理论核心是建立了一个新的局部平稳长记忆过程与短记忆协变量的高斯逼近技术，具有独立意义。对您而言，本文在假设检验框架下处理长记忆性，与您对 hypothesis testing 和 high-dimensional asymptotics 的兴趣直接相关，且其高斯逼近技术可能对您在高维设定下的检验问题有借鉴价值。
关键技术: KPSS test, R/S statistic, V/S statistic, K/S statistic, Gaussian approximation for locally stationary long-memory processes, bootstrap-assisted testing
为什么对您有用: 本文直接连接您 primary interest 中的 hypothesis testing 和 high-dimensional asymptotics，具体在于时变系数模型下的长记忆检验，这是一个非标准设定。您的 technical arsenal 中 very_familiar 的 nonparametric statistics 和 high-dimensional asymptotics 可以直接用于理解其高斯逼近技术的证明框架，而 moderately_familiar 的 M-estimation theory 可用于评估其 bootstrap 检验的稳健性。中期可做：若想将此类检验推广到高维协变量或更复杂的相依结构，需先在 moderately_familiar 的 semiparametric theory 上加强，以处理非参数残差估计带来的额外变异性。

2. 10.3150/23-bej1682 · arXiv — Moment inequalities for sums of weakly dependent random fields¶

作者: Gilles Blanchard, Alexandra Carpentier, Oleksandr Zadorozhnyi
期刊/来源: Bernoulli
机构: Laboratoire de Mathématiques d'Orsay
分类: vol 30 · issue 3
相关性 6/10 · novelty: new_method
摘要: 该论文针对 d 维矩形网格上部分和的随机场，推导了 Azuma-Hoeffding 型和 Burkholder 型矩不等式。核心假设是一种投影型弱相依性：随机场中某元素与距离超过 δ 的其余场之间的条件期望差在 L^p 距离上被一个已知递减函数控制。方法上，通过多尺度逼近将随机和分解为鞅差序列，并结合对区域的精细分解，避免了传统方法中交换滤子（commuting filtrations）的假设。所得结果在可比假设下推广了已知的界，且不依赖交换滤子这一强条件。该论文对您可能有用：其技术工具（多尺度逼近、鞅差分解）可直接用于高维统计中 U-统计量或部分和收敛性的分析，尤其适用于您熟悉的非参数统计和高维渐近理论。
关键技术: multi-scale approximation, martingale difference decomposition, Azuma-Hoeffding inequality, Burkholder inequality, projective weak dependence, random fields
为什么对您有用: 该论文直接关联您的主要兴趣——假设检验与高维统计，具体子方向为随机场部分和的集中不等式。技术武器库中'非参数统计'和'高维渐近理论'（very_familiar）可直接用于理解其多尺度逼近与鞅分解框架，并可能推广到您熟悉的 U-统计量场景。中期可做：若将结果推广到更高阶的 U-统计量，需先在 moderately_familiar 的'高阶 U-统计量理论'上深入，以处理更复杂的依赖结构。

其他 (other, 2 篇)¶

1. 10.3150/23-bej1669 · arXiv — Limit theorems for random Motzkin paths near boundary¶

作者: Włodzimierz Bryc, Yizao Wang
期刊/来源: Bernoulli
分类: vol 30 · issue 3
相关性 2/10 · novelty: new_theory
摘要: 本文研究随机Motzkin路径在边界附近的极限行为。Motzkin路径是长度为L的格点路径，其两端点不固定为零，边具有常权重，端点具有一般权重。作者考虑当L趋于无穷时，由端点权重诱导的边界测度以及从两端点出发的路径段（边界过程）的极限分布。第一个结果针对边界测度具有有限一阶矩的情形；第二个结果针对右端点边界测度为参数ρ1≥1的广义几何测度（此时为无限测度，但若ρ1不太大仍可诱导概率测度）。两种情形揭示了相变现象：左边界过程的极限转移概率与条件保持非负的随机游走相同。本文属于概率论与随机过程领域，与统计推断无直接关联。
关键技术: Motzkin paths, boundary measures, phase transition, random walks conditioned to stay non-negative
为什么对您有用: 本文属于纯概率论研究，与您的主要兴趣（因果推断、高维统计、半参理论等）无直接交集。武器库中无对应工具可攻该问题。不建议花时间阅读全文。

2. 10.3150/23-bej1678 · arXiv — The motion of the tagged particle in the asymmetric exclusion process with long jumps¶

作者: Linjie Zhao
期刊/来源: Bernoulli
分类: vol 30 · issue 3
相关性 1/10 · novelty: new_theory
摘要: 本文研究具有长程跳跃的非对称排斥过程（ASEP）中标记粒子的运动。在过程从平衡测度出发的设定下，证明了标记粒子位置的强大数定律和不变原理（即泛函中心极限定理）。核心工具包括对偶表示、鞅方法和随机积分方程。该结果将经典ASEP中标记粒子的极限行为推广到了跳跃核具有重尾（长程）的情形。对您而言，本文属于概率论与统计物理的交叉领域，与您的主要研究方向（因果推断、高维统计、半参理论等）无直接关联，但其中鞅方法和随机积分方程的技术可能对您处理纵向因果推断中的随机过程建模有间接启发。
关键技术: martingale method, invariance principle, tagged particle, asymmetric simple exclusion process (ASEP), long-range jumps
为什么对您有用: 本文属于概率论与统计物理的交叉领域，与您的主要研究方向（因果推断、高维统计、半参理论等）无直接关联。其中鞅方法和随机积分方程的技术可能对您处理纵向因果推断中的随机过程建模有间接启发，但核心问题设定和方法论距离较远。暂不可做：核心机器不在武器库里（缺相互作用粒子系统与随机过程极限理论的专业工具）。

Maintained by 陈星宇 · Homepage · Source on GitHub