Quadratic form of heavy-tailed self-normalized random vector with applications in -heavy Mar\v cenko--Pastur law
该论文研究了重尾自归一化随机向量的二次型渐近分布,证明了在轻尾条件下对角元主导极限律,并据此推导了重尾样本相关矩阵的-重马尔琴科 - 帕斯图尔律的隐式表示及其无原子性质。
300 篇论文
该论文研究了重尾自归一化随机向量的二次型渐近分布,证明了在轻尾条件下对角元主导极限律,并据此推导了重尾样本相关矩阵的-重马尔琴科 - 帕斯图尔律的隐式表示及其无原子性质。
本文利用 Malliavin 演算工具(特别是二阶 Poincaré 不等式)建立了连续时间随机梯度下降算法的定量中心极限定理,推导了其在 Wasserstein 度量下收敛到目标函数临界点的显式速率,并指出该速率主要由学习率大小决定。
本文研究了具有 Gneiting 协方差结构的各向异性平稳高斯场非线性加性泛函,证明了在长程依赖条件下其归一化泛函分别收敛于高斯分布或 2-域 Rosenblatt 分布,并揭示了该类非可分协方差在累积量意义下的渐近可分性,从而扩展了现有时空极限定理的适用范围。
本文利用对偶关系与 Donsker 不变性原理,将格点上选民模型占据时间的泛函中心极限定理从均匀初始分布推广到了空间非均匀乘积测度的情形。
这篇论文提出了一种完全避免使用条件概率、仅利用无条件概率不等式的初等证明,从而给出了一个无需中间条件事件为正性假设即可成立的自洽且透明的局部引理论证。
本文证明了若 Metropolis-Hastings 算法的提议分布非几何遍历且接受率随状态增大趋于 1,则其链亦非几何遍历,并进一步揭示了在多项式尾部目标分布下引导游走算法比随机游走算法快两倍收敛,而在严格凸势函数下两者在大状态时均表现出相似的弹道式运动速度。
本文针对具有随机系数和跳跃扩散过程的锥约束零和随机线性二次微分博弈,在均匀凸凹性条件下建立了开环可解性,并通过引入新的多维不定扩展随机 Riccati 方程(IESREJs)克服了经典方法在控制约束下的局限性,从而给出了开环鞍点的闭环表示。
这篇专著全面概述了基于Stein方法的概率推断与学习的理论与方法,详细阐述了Stein算子与Stein集的构建、Stein差异的性质及其与Stein变分梯度下降的联系,并提供了严谨的定义、结果及证明参考。
本文在 Esser 和 Loosveldt 已证明分数布朗运动存在慢点的基础上,引入了一种结合随机偏微分方程思想与新型局部化技术的新方法,用于计算分数布朗运动慢点的豪斯多夫维数。
本文利用双参数分数微积分和定制的 Girsanov 定理,证明了由两个具有不同 Hurst 参数的相关分数布朗面之和驱动的加性噪声双随机偏微分方程在漂移项条件较弱时强解的存在性与唯一性,揭示了该加性噪声对方程的正则化效应。
该论文指出,熵之所以能作为各种演化方程的驱动力,是因为它表征了底层随机过程的不变测度,从而统一解释了熵在不同确定性或随机性方程中出现的形式及其驱动机制。
本文证明了由 Hurst 指数 的温化分数布朗运动驱动的粗糙微分方程解的存在唯一性,并给出了解的范数上界估计。
本文作为前作的延续,研究了形如 的扰动测度下的弱 Poincaré、加权 Poincaré、弱对数 Sobolev 及加权对数 Sobolev 不等式,并探讨了这些不等式在卷积积中的应用。
本文建立了一个基于随机集构造的 Arveson 系统代表性框架,通过引入可测因子化测度族并应用 Kakutani 判据,从满足特定条件的二阶种子出发构建了无单位的 III 型 Arveson 系统,并以此给出了布朗运动零集产生此类系统的显式例子。
本文研究了由复分数布朗运动驱动的复分数布朗桥的参数估计问题,证明了该过程的适定性,并针对 的情形,利用复多重 Wiener-Itô 积分和复 Malliavin 演算建立了参数 的最小二乘估计量的强相合性与渐近分布,揭示了其二维极限分布具有非柯西边缘分布的特性。
本文研究了离散时间 Hawkes 过程的极限行为,建立了其大偏差原理,并展示了其在保险索赔建模中的应用。
该论文证明了在满足特定矩条件的临界 Galton-Watson 树中,固定根平面树作为一般子树出现的次数随着节点数趋于无穷而渐近服从正态分布,且均值和方差均与节点数呈线性关系,从而证实了 Janson 的相关猜想并指出了矩条件被违反时结论可能失效的情形。
本文提出了一种基于 Copula 的负相关性度量——-footrule 系数 ,证明了其与 Spearman footrule 及 Gini 伽马的分解关系,并建立了该系数的秩估计量的强一致性与渐近正态性。
本文通过引入膨胀半范数增强范畴论作为统一框架,建立了一个抽象中心极限定理,不仅将经典中心极限定理和大数定律作为特例,还推导出了适用于辛流形观测量的新型中心极限定理,从而为统计推断及相关计算系统的理论分析提供了通用基础。
该论文研究了带乘性权重函数的上下文敏感二元假设检验问题,通过引入加权几何混合分布并建立其指数族嵌入,推导出了最优总损失的对数渐近行为及其对应的加权 Chernoff 信息误差指数,并给出了高斯和泊松等具体模型的显式表达式。