关于非均匀 Berry-Esseen 界的研究
本文中,作者改进了一种用于一般情况的统一距离不等式,使用该不等式获得了在独立同分布和单位方差以及具有有限第三绝对矩的正态总和的分布函数和标准正态分布函数之间的差距方面的最新的和最好的本质改进。
Nov, 2011
通过改进 Korolev 和 Shevtsova(2009)的方法,针对满足零均值、单位方差和有限三阶绝对矩的正态分布函数和归一化随机变量和的分布函数,证明了两个不等式。第一个不等式是关于经典 Berry-Esseen 不等式最优版本的加强版本,第二个不等式应用于降低泊松随机和 Berry-Esseen 不等式的绝对常数上限。作为推论,改进了混合泊松分布极限定理中的收敛速度估计。
Dec, 2009
提供了对于一般抽象非线性统计量的接近正态性的一致和非一致 Berry-Esseen(BE)界限,然后利用这些结果得到了向量统计的 delta 方法的收敛速度的最优界限,并且给出了特定应用,如梅森、非中心学生和 Hotelling 统计量,球形测试统计量,正则化规范相关以及最大似然估计器(MLE),所有这些一致和非一致的 BE 界限都可能是这种类型的首个已知结果,除了 MLE 的一致 BE 界限。
May, 2009
基于赌注方法构建的置信区间和置信序列在理论上具有更强的保证,无论是在渐近还是有限样本情况下,其经验证明在经验性能上优于现有的经验伯恩斯坦置信区间和置信序列。
Oct, 2023
论证当 Hermitian 或 symmetric 的随机矩阵 H 的 (i, j) 矩阵元分布服从概率测度 nu_ij 的亚指数衰减,满足 c≤Nσij^2≤c^−1 时,其在频谱中央区域的本征值间距统计与高斯酉或正交集合(GUE 或 GOE)相同,对于带宽为 M 的带状矩阵,局部半圆定律满足能量尺度 M^−1。
Jan, 2010
该论文给出了关于 Jensen 不等式差距的上下界(即随机变量函数的期望值与随机变量期望值函数之间的差值),上下界仅取决于函数的增长性质和随机变量的特定时刻。该上下界特别适用于分布集中在平均值附近的情况,如 i.i.d. 样本的平均值和统计力学。
Dec, 2017
给定独立同分布随机变量的样本的序统计量的非渐近方差和尾部界限。当抽样分布属于最大吸引域时,这些界限被证明是渐近解。如果抽样分布具有非降的危险率(包括高斯分布),我们推导出序统计的指数 Efron-Stein 不等式,以将中心序统计的对数矩生成函数与 Efron-Stein(卡松尼)估计的方差的指数矩相联系。我们使用这个一般的连接来推导高斯样本的序统计的方差和尾部边界。这些界限不在茨瑞耶松 - 伊布拉吉莫夫 - 苏达科夫高斯浓度不等式的范围内。证明是基本的,结合了序统计的 Renyi 表示以及 M. Ledoux 普及的集中不等式的所谓熵方法。
Jul, 2012