技术摘要：关于横截性与统计简并的教学笔记

1. 问题陈述

本文探讨了一组在经典统计理论中出现的根本性病理现象，这些现象源于标准正则性假设的失效。这些病理现象包括：

• 表示失效：某些模型（例如通过特征函数定义的椭圆轮廓分布）缺乏闭式密度函数，使得基于似然的推断无法进行。
• 不可识别性与矩的不确定性：不同分布共享相同的矩序列（例如对数正态分布），导致矩估计量不一致或模棱两可。
• 奇异信息：费雪信息矩阵奇异或未定义的情况（例如柯西分布等重尾分布，或混合模型中的边界效应），阻碍了渐近效率和稳健估计。
• 讨厌参数问题：如 Behrens–Fisher 问题，由于零假设相对于讨厌参数不处于“一般位置”，导致精确推断无法实现。

本文提出的核心问题是：这些病理现象为何发生，能否以统一的方式加以解决？ 文章认为，这些并非孤立的统计失效，而是将参数映射到分布的映射所固有的几何简并。

2. 方法论

本文提出了一种分布框架，并结合微分拓扑中的横截性理论。

分布框架

该框架不再依赖概率密度函数 $f(x;\theta)$，而是将统计模型表示为对 $(T_\theta, \phi)$，其中：

• $T_\theta$ 是由参数 $\theta$ 参数化的缓增分布（施瓦茨分布）。
• $\phi$ 是一个快速衰减核（一个正的施瓦茨函数）。

期望值通过分布配对而非对密度积分来定义：
$$\mathbb{E}_\theta^\phi[g] = \langle T_\theta, g\phi \rangle$$
这诱导了一个特征映射 $\Phi_\phi: \Theta \to \mathcal{F}$，将参数空间 $\Theta$ 映射到“弱矩”空间（由核 $\phi$ 加权的矩）。

几何工具包

分析利用微分拓扑中的工具来研究 $\Phi_\phi$ 的几何结构：

• 横截性：指一个映射以“非退化”的方式与代表简并的子流形相交的条件。
• 萨德定理与托姆横截性定理：这些定理确立了“一般”光滑映射会避开奇异集，或以受控的方式与奇异集相交。
• 参数横截性：一个特定定理指出，如果一族映射（由核 $\phi$ 参数化）联合横截于简并层，那么对于剩余集（一般集）的核，单个映射是横截的。
• 分层：简并被组织成基于余维数的层次结构（层），例如自交、秩下降等。

3. 主要贡献

本文提供了统计病理现象的统一几何解释，并展示了引入核如何一般性地解决这些问题。

A. 病理现象的几何分类

本文将统计失效分类为特征映射 $\Phi_\phi$ 的五种几何简并类型：

1. 0 型（表示失效）：映射未定义（通过核使配对良定义来解决）。
2. I 型（不可识别性）：映射的自交（$\Phi_\phi(\theta_1) = \Phi_\phi(\theta_2)$）。
3. II 型（奇异信息）：导数 $D\Phi_\phi$ 秩下降（映射未能成为浸入）。
4. III 型（矩的不确定性）：在分布层面未能区分分布。
5. IV 型（高阶不稳定性）：高阶喷流中的简并。

B. 主定理（有限维弱横截性）

核心结果（定理 14.1）指出，对于具有 $p$ 个参数的参数模型，如果联合特征映射 $F(\theta, \lambda)$（其中 $\lambda$ 参数化核族）横截于简并层 $D$，那么对于剩余集的核，受限特征映射 $\Phi_\lambda$ 横截于 $D$。

余维数计数：

• 可识别性：如果弱矩的数量 $K+1$ 满足 $K+1 > 2p$，则特征映射一般地是单射（避免 I 型简并）。
• 信息正则性：如果 $K+1 > 2p - 1$，则分布信息矩阵一般地是非奇异的（避免 II 型简并）。

C. 具体问题的解决

• 对数正态 M-不确定性：经典的矩映射未能将对数正态分布与其斯蒂尔切斯类区分开，因为扰动 $h(x) = \sin(2\pi \log x)$ 与所有多项式矩正交。高斯核打破了这种抵消的对称性，从而一般性地恢复了单射性。
• Behrens–Fisher 问题：精确推断的不可能性被解释为零假设与讨厌参数纤维化之间横截性的失效。核引入了耦合（$\sigma^2 + s^2$），变形了特征映射，使得对于一般核尺度，推断是横截的（因此是可解的）。
• 稳健性：核确保诱导的度量张量（分布费雪信息）是有界的，从而保证即使对于重尾分布，影响函数也是有界的。

4. 结果

• 解决的一般性：本文证明了统计简并在核空间中是非一般的。对于“几乎每一个”核的选择（在贝尔范畴的意义上），特征映射会避开对应于不可识别性、奇异信息和矩不确定性的层。
• 经典框架作为奇异极限：经典统计框架（其中 $\phi \equiv 1$）被识别为表示空间中的一个退化极限。经典统计的病理现象（例如未定义的矩、奇异信息）之所以产生，是因为经典极限位于简并层上。分布框架充当了“奇点消解”，正则化了这些病理现象。
• 可验证条件：本文提供了实用判据（引理 15.1，定理 15.2），通过检查联合映射关于参数和核变化的雅可比矩阵的秩来验证横截性。

5. 意义与主张

本文将自己定位为一篇研究论文 [12] 的教学伴侣，旨在使几何论证对高级学生易于理解。其主要主张如下：

1. 统一性：它将分散的统计病理现象（可识别性、稳健性、讨厌参数）统一在单一的几何原则之下：横截性。
2. 正则化机制：它解释了基于核的方法（如使用弱矩或斯坦因差异的方法）为何有效：核充当一般扰动，将特征映射移出“坏”的退化构型集合。
3. 经典极限的重释：它将经典统计框架重新框架化，不再视为“自然”的状态，而是更大表示空间中的一个特定的、退化的点，在该点处横截性丧失。
4. 范围：结果明确针对参数模型（有限维 $\Theta$）。本文承认，将这些结果扩展到半参数或非参数模型（无限维 $\Theta$）需要巴拿赫流形横截性理论（Smale/Quinn），这留待未来工作，尽管概念图景保持相似。

本文并未提出新的实验方案或具体的数据应用，而是为理解分布模型的稳健性和可识别性提供了理论基础。