Sharp Lower Bound on the Minimax Risk for Multinomial Uniformity Testing via a Conditional Central Limit Theorem

Resumen Técnico: Límite Inferior Agudo del Riesgo Minimax para el Test de Uniformidad Multinomial mediante un Teorema del Límite Central Condicional

Configuración del Problema
Este artículo aborda el problema de minimax de bondad de ajuste para la uniformidad basado en $n$ observaciones independientes de una distribución multinomial sobre $N$ categorías. La hipótesis nula $H_0$ postula que la distribución subyacente $q$ es uniforme ($q_{unif} = (1/N, \dots, 1/N)$). La hipótesis alternativa $H_1$ consiste en distribuciones $q$ que se desvían de la uniformidad por al menos $\epsilon$ en la norma $\ell_p$, definida como $\|q - q_{unif}\|_p \ge \epsilon$. El objetivo es caracterizar el riesgo minimax $R^*$, definido como el ínfimo sobre todos los tests $\psi$ de la suma de los errores de Tipo I y Tipo II.

El análisis se centra en un régimen asintótico intermedio donde $n \to \infty$, $N \to \infty$, y $N = o(n^2)$. En este régimen, la relación señal-ruido (SNR) se define como:
$$u_n := \frac{\epsilon^2 n N^{3/2 - 2/p}}{\sqrt{2}}$$
La literatura previa estableció que si $u_n \to \infty$, el riesgo desaparece, y si $u_n \to 0$, el riesgo se aproxima a 1. El caso crítico ocurre cuando $u_n \to u^* \in (0, \infty)$, donde el riesgo minimax converge a una constante no trivial. Una versión poissonizada de este problema fue recientemente mostrada para proporcionar un límite superior de $2\Phi(-u^*/2)$ (Kipnis [2025]), pero el valor exacto para el caso multinomial seguía siendo una cuestión abierta.

Metodología
El artículo establece el límite inferior agudo para el riesgo minimax multinomial a través de una secuencia de pasos técnicos que involucran poissonización, análisis bayesiano y un nuevo teorema del límite central condicional.

1. Reducción a Modelos de Mezcla de Poisson: Los autores utilizan la equivalencia entre la distribución multinomial y una distribución de Poisson condicionada a la cuenta total $S_N = \sum O_i = n$. Al definir un modelo de mezcla de Poisson donde las tasas $Q_i$ son variables aleatorias, el problema se transforma en un entorno bayesiano. Se construye un "prior menos favorable" específico $\pi^*$, que consiste en perturbaciones locales de dos lados de la distribución uniforme.
2. Aproximación de la Razón de Verosimilitud: El test óptimo en el entorno de Poisson es un test de razón de verosimilitud. Los autores muestran que los pesos exactos de la razón de verosimilitud pueden aproximarse mediante un estadístico cuadrático más simple $T(w^*) = \sum w^*_{O_i}$, donde $w^*_m \propto (m - n/N)^2 - m$. Se demuestra que esta aproximación preserva la distribución asintótica del estadístico de prueba.
3. Teorema del Límite Central Condicional (C-CLT): La contribución técnica central es el Teorema 2.3, un teorema del límite central condicional para sumas ponderadas bajo un prior de mezcla de Poisson, condicionado a la cuenta total $S_N = n$. La prueba emplea funciones características y una fórmula de inversión para la variable de red (lattice) $S_N$. Descompone la integral de Fourier en tres regiones (cerca de cero, intermedia y lejana) para demostrar que la distribución condicional del estadístico estandarizado converge a una distribución normal estándar, siempre que se cumplan ciertas condiciones de momento y correlación.
4. Des-Poissonización: Al combinar el C-CLT con la equivalencia entre el modelo de Poisson condicionado y el modelo multinomial (Lema 3.3), los autores transfieren los límites de riesgo del entorno de Poisson de vuelta al entorno multinomial original.

Resultos Clave
El resultado principal, Teorema 2.1, demuestra que bajo los supuestos $N = o(n^2)$ y $u_n \to u^* \in (0, \infty)$, el riesgo minimax satisface:
$$\liminf_{n \to \infty} R^* \ge 2\Phi(-u^*/2)$$
Combinado con el límite superior existente de Kipnis [2025], esto produce el Corolario 2.2, proporcionando una caracterización exacta del riesgo minimax asintótico:
$$\lim_{n \to \infty} R^* = 2\Phi(-u^*/2)$$
Este resultado confirma que el análisis poissonizado proporciona la constante aguda para el problema multinomial.

Significado
El artículo afirma proporcionar la primera caracterización exacta de la constante aguda del riesgo minimax multinomial para el test de uniformidad en el régimen intermedio donde la relación señal-ruido converge a una constante finita. Al demostrar el límite inferior correspondiente, el trabajo cierra la brecha dejada por los límites superiores previos derivados de modelos poissonizados. La importancia radica en la justificación rigurosa de que el paso de "des-poissonización" no altera la constante de riesgo asintótico, apoyándose fundamentalmente en el nuevo teorema del límite central condicional para sumas ponderadas. Este resultado resuelve el comportamiento preciso del riesgo de la prueba en un régimen donde el número de categorías crece con el tamaño de la muestra pero permanece subcuadrático.