Sketching stochastic valuation functions
该论文提出了一种高效的随机估值函数草图化方法，通过为每个物品构建支持集大小为 的离散化分布，在满足单调性及次加性或次模性等条件下，实现对任意大小不超过 的物品子集估值函数的常数因子近似，从而显著提升了最佳集合选择和社会福利最大化等优化问题中的评估效率。
🔢 Category
math.ST
161 篇论文
Einstein from Noise: Statistical Analysis
该论文对“爱因斯坦来自噪声”现象进行了全面的统计分析，证明了在纯噪声数据中通过模板对齐平均得到的估计量，其傅里叶相位会收敛至模板信号的相位，从而在数学上解释了为何纯噪声会呈现出与模板相似的结构特征，并揭示了该现象在高维情形下的收敛速率规律。
Adaptive and Stratified Subsampling for High-Dimensional Robust Estimation
本文提出自适应重要性采样和分层子采样两种估计器，在高维稀疏回归中有效应对重尾噪声、-污染及-混合依赖性，填补了理论与算法间的空白，实现了最小化最优收敛率并提供了有效的坐标置信区间。
Palm distributions of superposed point processes for statistical inference
本文通过建立独立点过程叠加的 Palm 分布的简单混合表示，为受损点过程的最小对比估计、shot noise Cox 过程的高阶 Palm 分布推导以及基于 Janossy 密度的似然推断提供了新的统计理论框架。
Improving Cramér-Rao Bound And Its Variants: An Extrinsic Geometry Perspective
该论文从外几何视角出发，通过引入统计流形平方根嵌入的第二基本形式所表征的曲率修正，利用 Faà di Bruno 公式和指数贝尔多项式构建了非渐近情形下更紧致的克拉美 - 罗界及其变体，从而显著提升了估计量方差下界的精度。
Refining Cramér-Rao Bound With Multivariate Parameters: An Extrinsic Geometry Perspective
本文利用希尔伯特空间平方根嵌入和半定规划，推导了非渐近情形下基于流形外几何曲率的向量广义克拉美 - 罗界，并通过高斯位置模型和球面多项式模型等实例，证明了该方向性修正及 SOS 认证界能比传统二阶修正更准确地刻画弯曲统计族中的估计极限。
Central subspace data depth
本文提出了一种名为“中心子空间数据深度”的新框架，该框架将传统数据深度的中心对称性推广至任意维度的子空间，不仅建立了从子空间向外的排序机制，还证明了其在子空间对称分布下的最优性，并探讨了其在投影追踪、降维及欺诈检测等应用中的理论与实证价值。
Robust Assortment Optimization from Observational Data
本文提出了一种基于观测数据的鲁棒 assortment 优化框架，通过建模客户偏好分布偏移并最大化最坏情况下的预期收益，在理论界定了计算可行性与样本复杂度上下界的同时，揭示了实现样本高效鲁棒学习所需的最小数据条件“鲁棒单项覆盖”，从而弥合了鲁棒性与统计效率之间的差距。
Multidimensional Dickman distribution and operator selfdecomposability
本文将一维 Dickman 分布推广至向量值随机元，通过随机矩阵仿射变换的不动点刻画了该分布，证明了其具有无穷可分性和算子自可分解性，并揭示了其在多维 Lévy 过程小跳跃近似中的极限分布地位。
Functional Bias and Tangent-Space Geometry in Variational Inference
该论文建立了一个几何框架，证明变分推断中后验函数量的主导偏差取决于其在变分切空间正交方向上的分量，从而从几何角度解释了均值场变分推断为何会系统性地扭曲跨块依赖关系。
Shape-constrained density estimation with Wasserstein projection
本文研究了基于-Wasserstein 距离（特别是二次情形）的无参数形状约束密度估计，通过引入位移凸集定义形状约束，证明了非增密度和 log-凹密度情形下投影估计量的结构性质，提出了可求解的离散化方案，并将其与最大似然估计进行了比较。
Kernel Debiased Plug-in Estimation based on the Universal Least Favorable Submodel
本文提出了一种基于通用最不利子模型的核去偏插件估计量（ULFS-KDPE），该方法通过在再生核希尔伯特空间中构建自适应去偏流，无需显式推导或计算有效影响函数即可在标准正则条件下实现非参数模型中路径可微参数的半参数效率估计，并具备坚实的泛函分析基础与良好的数值稳定性。
Sequential learning theory for Markov genealogy processes
该论文提出了一种基于滤过框架的序贯学习理论，通过分解新增分类单元对系统发育动力学推断的方差贡献，揭示了在吸收性估计量下分析师与知晓潜在吸收状态的“神谕”之间存在的不可约差距，从而确立了仅凭序列数据推断潜在基因谱系的根本局限。
Second order asymptotics for the number of times an estimator is more than epsilon from its target value
本文研究了强相合估计量偏离目标值超过 的次数 的二阶渐近性质，通过计算期望差值的极限提出了“渐近相对不足”概念，从而在渐近相对效率相同的情况下区分估计量优劣，并证明了在正态方差估计中使用分母 优于其他选择。
Uniform Lorden-type bounds for overshoot moments for standard exponential families: small drift and an exponential correction
本文研究了标准指数族随机游走在小漂移情形下的过冲矩，通过结合严格上升梯度的更新过程与一致指数收敛估计，推导出了关于障碍 和漂移参数 均一致成立的 Lorden 型矩界，并揭示了在特定条件下经典常数可优化为 1 以及该结果在最优传输视角下的指数收敛性质。
Inhomogeneous Submatrix Detection
本文研究了在高斯随机矩阵中检测多个具有非均匀均值或方差偏移的隐藏子矩阵的问题，通过证明信息论下界并设计匹配该下界的算法，确定了在任意索引和连续索引两种布局模式下的统计检测极限。
On the last time and the number of times an estimator is more than epsilon from its target value
本文在弱条件下推导了强一致估计量偏离目标值超过 的最后时刻和总次数经适当缩放后的极限分布，该理论涵盖参数与非参数情形，并应用于比较估计量优劣、构建序贯置信集及检验等统计问题。
The exact region between Chatterjee's and Blest's rank correlations
本文通过求解受约束优化问题并构建新型极值 copula 族，推导出了 Chatterjee 秩相关系数 与 Blest 秩相关系数 在所有二元 copula 上的精确可行域及其闭式参数化表达式。
Nonparametric two-sample hypothesis testing for low-rank random graphs of differing sizes
该论文提出了一种基于广义随机点积图框架的非参数双样本检验方法，通过利用最优传输估计旋转并应用最大均值差异来比较不同规模低秩随机图的分布，并证明了该统计量在适当缩放后的渐近一致性。
Nuisance Function Tuning and Sample Splitting for Optimally Estimating a Doubly Robust Functional
该论文通过结合样本分割策略与对 nuisance 函数估计器的特定平滑调整（欠平滑或过平滑），证明了在低正则性条件下，传统的 plug-in 估计量和一阶偏差修正估计量均能实现双重鲁棒泛函的极小极大收敛速率。