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

Resumo Técnico: Limite Inferior Agudo para o Risco Minimax de Testes de Uniformidade Multinomial via um Teorema do Limite Central Condicional

Configuração do Problema
Este artigo aborda o problema de teste de bondade de ajuste minimax para uniformidade baseado em $n$ observações independentes de uma distribuição multinomial sobre $N$ categorias. A hipótese nula $H_0$ postula que a distribuição subjacente $q$ é uniforme ($q_{unif} = (1/N, \dots, 1/N)$). A hipótese alternativa $H_1$ consiste em distribuições $q$ que se desviam da uniformidade por pelo menos $\epsilon$ na norma $\ell_p$, definida como $\|q - q_{unif}\|_p \ge \epsilon$. O objetivo é caracterizar o risco minimax $R^*$, definido como o ínfimo sobre todos os testes $\psi$ da soma dos erros de Tipo I e Tipo II.

A análise foca em um regime assintótico intermediário onde $n \to \infty$, $N \to \infty$, e $N = o(n^2)$. Neste regime, a relação sinal-ruído (SNR) é definida como:
$$u_n := \frac{\epsilon^2 n N^{3/2 - 2/p}}{\sqrt{2}}$$
A literatura prévia estabeleceu que, se $u_n \to \infty$, o risco desaparece, e se $u_n \to 0$, o risco aproxima-se de 1. O caso crítico ocorre quando $u_n \to u^* \in (0, \infty)$, onde o risco minimax converge para uma constante não trivial. Um modelo poissonizado deste problema foi recentemente mostrado para produzir um limite superior de $2\Phi(-u^*/2)$ (Kipnis [2025]), mas o valor exato para o cenário multinomial permanecia uma questão em aberto.

Metodologia
O artigo estabelece o limite inferior correspondente para o risco minimax multinomial através de uma sequência de etapas técnicas envolvendo poissonização, análise bayesiana e um novo teorema do limite central condicional.

1. Redução para Modelos de Mistura de Poisson: Os autores utilizam a equivalência entre a distribuição multinomial e uma distribuição de Poisson condicionada à contagem total $S_N = \sum O_i = n$. Ao definir um modelo de mistura de Poisson onde as taxas $Q_i$ são variáveis aleatórias, o problema é transformado em um cenário bayesiano. Uma "prior menos favorável" específica $\pi^*$ é construída, consistindo em perturbações locais de dois lados da distribuição uniforme.
2. Aproximação da Razão de Verossimilhança: O teste ótimo no cenário de Poisson é um teste de razão de verossimilhança. Os autores mostram que os pesos exatos da razão de verossimilhança podem ser aproximados por uma estatística quadrática mais simples $T(w^*) = \sum w^*_{O_i}$, onde $w^*_m \propto (m - n/N)^2 - m$. Esta aproximação mostra-se capaz de preservar a distribuição assintótica da estatística de teste.
3. Teorema do Limite Central Condicional (C-CLT): A principal contribuição técnica é o Teorema 2.3, um teorema do limite central condicional para somas ponderadas sob uma prior de mistura de Poisson, condicionado à contagem total $S_N = n$. A prova utiliza funções características e uma fórmula de inversão para a variável de rede $S_N$. Ela decompõe a integral de Fourier em três regiões (próxima de zero, intermediária e distante) para demonstrar que a distribuição condicional da estatística padronizada converge para uma distribuição normal padrão, desde que condições específicas de momento e correlação sejam atendidas.
4. Des-Poissonização: Ao combinar o C-CLT com a equivalência entre o modelo de Poisson condicionado e o modelo multinomial (Lema 3.3), os autores transferem os limites de risco do cenário de Poisson de volta para o cenário multinomial original.

Resultados Principais
O resultado principal, Teorema 2.1, prova que sob as suposições $N = o(n^2)$ e $u_n \to u^* \in (0, \infty)$, o risco minimax satisfaz:
$$\liminf_{n \to \infty} R^* \ge 2\Phi(-u^*/2)$$
Combinado com o limite superior existente de Kipnis [2025], isto fornece o Corolário 2.2, provendo uma caracterização exata do risco minimax assintótico:
$$\lim_{n \to \infty} R^* = 2\Phi(-u^*/2)$$
Este resultado confirma que a análise poissonizada fornece a constante aguda para o problema multinomial no regime intermediário.

Significância
O artigo afirma fornecer a primeira caracterização exata de constante aguda para o risco minimax multinomial para testes de uniformidade no regime intermediário, onde a relação sinal-ruído converge para uma constante finita. Ao provar o limite inferior correspondente, o trabalho fecha a lacuna deixada por limites superiores anteriores derivados de modelos poissonizados. A significância reside na justificativa rigorosa de que o passo de "des-poissonização" não altera a constante do risco assintótico, baseando-se fundamentalmente no novo teorema do limite central condicional estabelecido para somas ponderadas. Isso resolve o comportamento preciso do risco de teste em um regime onde o número de categorias cresce com o tamanho da amostra, mas permanece subquadrático.