- 联合界的经验过程方法:用于组合式和线性赌博机的实用算法
本文提出基于经验过程理论的优化算法,以减小样本复杂度,解决线性赌臂问题中的一系列挑战
- 基于经验分歧的分布鲁棒优化实现最佳统计保证回复
通过使用分布鲁棒优化 (DRO) 工具恢复中心极限定理提供的渐进统计保证,我们探究了在模糊概率分布下维持期望值约束的可行性。我们展示了使用实证定义的 Burg-entropy 散度球来构造 DRO 可以实现此类保证。
- 因果推断中的半参数理论与经验过程
本文综述了半参数理论和因果推断问题中出现的经验过程等重要方面,并讨论了半参数模型下因果效应的估计和推断、经验过程理论及其与机器学习等方法在因果推断分析中的应用。
- 泛链式下尾部界
我们使用 Talagrand 通用串联方法修改,为随机过程的所有 p 阶矩获得上界。我们将此过程应用于改进和扩展一些已知的偏差不等式,以便获得至上极限的上尾估计,同时具有最佳的偏差参数,其中包括未限制的经验过程和混沌过程的极限值。作为实践, - 经验过程最大值的高斯逼近
该论文提出了一种新的直接逼近一般经验过程的极限值的方法,从而避免了以 sup-norm 逼近整个经验过程的方法。它证明了一种适用于各种统计问题比如函数的统一置信带建设等的抽象逼近定理。这种定理的主要限制是非渐进性的,并且定理允许经验过程索引 - 核密度估计中的带宽选择:Oracle 不等式和自适应极小化最优性
本文提出了一种核估计器的选择程序,导出了相应的 Ls 风险权威不等式,证明所提出的选择规则导致估计量在尺度为各向异性 Nikol'skii 类上达到最小化。
- 相关数据预测分布收敛速率
本文研究了具有经验过程的稳定收敛性质,并给出了在一定条件下,针对适当的测量集 B 的最高值的 Cn(B)的极限。这些条件适用于交换序列或在贝尔提等人的条件下一般情况下是条件独立分布的情况。这些类型的结果在贝叶斯统计中是有用的。
- 一种针对具有无界经验过程的上确界的尾部不等式及其在马尔可夫链中的应用
本文提出了一种由有限 $\psi_\alpha$ 范数生成的经验过程的尾不等式,并将其应用于几何上遗传的马尔可夫链,以推导由有界函数所生成的该类链的经验过程的类似估计。我们还获得了该类 Markov 链的对称统计量的有界差异不等式。
- 高维概率论
该论文主要研究概率论、高斯过程、极限定理、经验过程和 Banach 空间的相关问题,讨论了这些问题在不同的结构限制下的特征与性质。
- 独立随机变量函数的矩不等式
本文提出了一种泛化的基于张量不等式的新熵方法,用于获得独立随机变量函数的矩不等式,这些不等式证明是一种广泛应用的工具。作者以一种轻松的方式重新推导出一些经典不等式,并讨论了该方法的其他应用。