High Dimensional Bootstrap and Asymptotic Expansion for the $k$-th Largest Coordinate

Resumen Técnico: Bootstrap de Alta Dimensión y Expansión Asintótica para la k-ésima Coordenada Mayor

1. Problema y Motivación

El artículo aborda un problema fundamental en la inferencia estadística de alta dimensión: la aproximación de la distribución y la construcción de intervalos de confianza para la k-ésima coordenada más grande ($T_{n,[k]}$) de una suma normalizada de vectores aleatorios independientes en $\mathbb{R}^d$, donde la dimensión $d$ puede crecer mucho más rápido que el tamaño de la muestra $n$.

• Limitación del estado del arte: La teoría existente para el máximo ($k=1$) ha avanzado significativamente, permitiendo aproximaciones Gaussianas y de bootstrap de primer orden, e incluso expansiones de segundo orden (Edgeworth y Cornish-Fisher) desarrolladas recientemente por Koike (2026). Sin embargo, la literatura para $k > 1$ (estadísticos de orden no máximos) es escasa.
• La dificultad técnica: El evento $\{T_{n,[k]} \le t\}$ no corresponde a un rectángulo en el espacio de alta dimensión, sino a un conjunto definido por conteos de excedencias. Su estructura local está gobernada por la cantidad de coordenadas que superan un umbral, no por una sola frontera. Esto impide la extensión directa de las teorías de segundo orden desarrolladas para máximos.
• Objetivo: Cerrar esta brecha demostrando que la $k$-ésima coordenada mayor admite una expansión de segundo orden para la cobertura del bootstrap, similar a la disponible para el máximo.

2. Metodología

El autor desarrolla un enfoque innovador que combina herramientas combinatorias y análisis local de probabilidad:

• Representación por Conteo de Excedencias: Se utiliza la identidad exacta $T_{n,[k]} \le t \iff N_n(t) \le k-1$, donde $N_n(t)$ es el número de coordenadas que exceden $t$.
• Inclusión-Exclusión Ponderada: Se aplica una identidad de inclusión-exclusión finita (basada en momentos factoriales) para descomponer la probabilidad del evento de orden estadístico en una suma de probabilidades de "ortantes raros" (eventos donde un subconjunto específico de coordenadas excede $t$).
• Reducción a Ortantes Raros: El problema se reduce a aproximar la probabilidad de que un subconjunto de coordenadas (de tamaño $s \le k_0$, donde $k_0 \approx \log n$) exceda simultáneamente un umbral alto.
• Expansión de Edgeworth Proyectada: Se aplica una expansión de Edgeworth de segundo orden a las densidades proyectadas en subespacios de baja dimensión (ortantes). Esto permite transferir la maquinaria de expansión asintótica de la teoría de máximos al contexto de estadísticos de orden.
• Tratamiento de la Dependencia:
  • Se asume inicialmente una condición de correlación máxima débil ($\rho_d \log d \to 0$).
  • Se propone una alternativa basada en una mezcla exponencial fuerte en un campo Gaussiano estacionario, lo que permite agrupaciones locales de coordenadas altamente correlacionadas, a cambio de un término de resto explícito ($r_d$).

3. Contribuciones Clave

1. Expansión de Segundo Orden para Bootstrap: Se demuestra que el bootstrap salvaje (wild bootstrap) de tercer momento coincide ofrece una precisión de segundo orden para la cobertura de la $k$-ésima estadística de orden.
2. Bootstrap Doble Pre-pivotado: Se establece que el método de "doble bootstrap salvaje" (double wild bootstrap) con pre-pivoteo logra la misma precisión de segundo orden, eliminando el sesgo de primer orden sin necesidad de ajustar momentos manualmente.
3. Generalización de la Teoría de Koike: Se extiende la teoría de expansión asintótica de Koike (2026), previamente restringida a máximos, a cualquier estadístico de orden $k$ fijo en alta dimensión.
4. Análisis de Dependencia Estructurada: Se introduce una formulación alternativa que reemplaza la condición de correlación máxima por una condición de mezcla exponencial en secuencias estacionarias, cuantificando el error adicional debido a la agrupación local de excedencias.

4. Resultados Principales

Bajo condiciones de momentos, varianza y dependencia débil, los resultados teóricos principales son:

• Teorema 2.1 (Bootstrap Salvaje Simple): La probabilidad de cobertura del bootstrap salvaje simple satisface:
  $$P(T_{n,[k]} \ge \hat{c}_{1-\alpha, k}) = \alpha - (1-\gamma)Q_{n,k}(c^G_{1-\alpha, k}) - E\{R_{n,k}(\alpha)\} + O(\varepsilon_n^2)$$
  Donde $\gamma = E[w_1^3]$ es el tercer momento del multiplicador.
  • Si se elige un multiplicador con tercer momento igual a 1 ($\gamma=1$), el término de sesgo de primer orden desaparece, logrando un error de cobertura de orden $O(\varepsilon_n^2)$ (donde $\varepsilon_n$ depende de $n, d$ y logaritmos).
• Teorema 2.2 (Bootstrap Doble): El bootstrap doble pre-pivotado elimina el término de distorsión lineal $(1-\gamma)Q_{n,k}$, restaurando la precisión de segundo orden incluso si el multiplicador no coincide en el tercer momento.
• Teorema 2.3 (Alternativa de Mezcla Exponencial): Bajo la suposición de mezcla exponencial, los resultados anteriores se mantienen con un término de resto adicional $r_d$. Si la dimensión $d$ crece suficientemente rápido respecto a $n$ (específicamente $d \gtrsim n \log n$), este resto $r_d$ es de orden $O(n^{-1})$, manteniendo la validez de la expansión de segundo orden.

Simulaciones:
Los experimentos numéricos comparan varios métodos (Bootstrap empírico, Gaussiano, Mammen, Rademacher, Beta y Doble) para $k \in \{2, 5, 10\}$.

• El Bootstrap Empírico (EB) es sistemáticamente conservador.
• El Bootstrap Gaussiano (GB) es sensible al diseño, mostrando sobre-rechazo en escenarios asimétricos.
• Los métodos Mammen (MB) y Beta (BB) muestran el comportamiento más estable y robusto, manteniendo un control de tamaño cercano al nominal incluso en diseños asimétricos y con alta correlación.
• El Bootstrap Doble (DB) tiende a ser el más cercano al nivel nominal en diseños asimétricos, aunque a veces con un sesgo liberal persistente.

5. Significado e Impacto

Este trabajo es significativo por varias razones:

1. Rigor Teórico: Proporciona la primera justificación teórica de segundo orden para la inferencia basada en bootstrap de estadísticos de orden no máximos en alta dimensión, un área donde solo existían resultados de primer orden.
2. Aplicabilidad Práctica: En muchas aplicaciones modernas (finanzas, genómica, aprendizaje automático), el interés no reside solo en el valor máximo, sino en los valores extremos superiores (ej. el 5º peor riesgo, el 10º gen más expresado). Este paper valida el uso de métodos de bootstrap avanzados para estos casos.
3. Robustez: La demostración de que el bootstrap de tercer momento o el doble bootstrap logran una precisión de orden $n^{-1}$ (hasta factores logarítmicos) sugiere que estos métodos son superiores a las aproximaciones Gaussianas estándar para tamaños de muestra finitos en alta dimensión.
4. Flexibilidad de Dependencia: La capacidad de manejar dependencias estructuradas mediante condiciones de mezcla exponencial amplía el alcance de la inferencia válida a series temporales o datos espaciales con correlaciones locales fuertes, siempre que la dimensión sea suficientemente grande.

En conclusión, el artículo establece un nuevo estándar para la inferencia de alta dimensión más allá del máximo, ofreciendo herramientas teóricas y prácticas para una estimación de incertidumbre más precisa en problemas de orden estadístico.