[論文レビュー] Law of the iterated logarithm for U-statistics of weakly dependent observations

Herold Dehling, Martin Wendler|arXiv (Cornell University)|Dec 14, 2009

Bayesian Methods and Mixture Models参考文献 28被引用数 10

ひとこと要約

この論文は、弱い依存構造を示す過程の部分和から、強い mixing または絶対的正規性の依存構造の下で非退化 U 統計量への繰り返し対数法則（LIL）の拡張を試みる。U 統計量のモーメント不等式と関数中心極限定理の近似を活用することで、著者らは、ピルヒュの古典的 LIL 結果を弱い依存データの U 統計量へ一般化する確実な関数極限を確立する。

ABSTRACT

The law of the iterated logarithm for partial sums of weakly dependent processes was intensively studied by Walter Philipp in the late 1960s and 1970s. In this paper, we aim to extend these results to nondegenerate U-statistics of data that are strongly mixing or functionals of an absolutely regular process.

研究の動機と目的

• 弱い依存過程の非退化 U 統計量へのウォルター・フィリップの部分和に対する繰り返し対数法則（LIL）の一般化を目的とする。
• 特に強い mixing または絶対的正規性過程における U 統計量の LIL 結果の不足を補うことを目的とする。
• 弱い依存の下で正規化された U 統計量の確実な関数極限を確立し、古典的漸近理論を拡張することを目的とする。
• 依存が存在するが弱い混合である状況において U 統計量を用いた推論の理論的基盤を提供することを目的とする。

提案手法

• 弱い依存の下で U 統計量の関数中心極限定理の近似を用いる。
• 強い mixing または絶対的正規性過程の U 統計量に特化したモーメント不等式を適用する。
• U 統計量と弱い依存確率変数の部分和を関連付けるカップリング論法を用いる。
• 経験過程の理論と弱収束理論を用いて、関数的 LIL を導出する。
• 最大不等式を用いて、正規化された U 統計量の確実な収束速度を確立する。
• マルティンゲール近似とエントロピー法を用いて、フィリップの部分和に関する手法を U 統計量設定に適応する。

実験結果

リサーチクエスチョン

• RQ1 弱い依存の下で、部分和から非退化 U 統計量への繰り返し対数法則（LIL）を拡張できるか？
• RQ2 元のデータが強い mixing または絶対的正規性であるとき、正規化された U 統計量プロセスの確実な関数極限は何か？
• RQ3 弱い依存の下で、U 統計量の成長率は部分和のそれと比べてどうなるか？
• RQ4 弱い依存設定における U 統計量の LIL の有効性を保証するモーメントおよび依存条件は何か？

主な発見

• 強い mixing または絶対的正規性過程の非退化 U 統計量に対して、弱いモーメントおよび混合条件の下で繰り返し対数法則（LIL）が成立する。
• 正規化された U 統計量プロセスの確実な関数極限は、対数係数でスケーリングされたブラウン運動によって特徴付けられる。
• U 統計量プロセスの収束速度が √(n log log n) のオーダーであることが示された。これは、部分和に対する古典的 LIL と整合的である。
• 結果として、フィリップの部分和に対する LIL を U 統計量設定へ拡張し、同じ対数スケーリングを維持した。
• 依存構造は強い mixing または絶対的正規性係数によって制御され、広範な弱い依存過程に適用可能であることを保証する。
• 従来の結果よりも弱いモーメント仮定の下で、U 統計量の関数極限定理を確立した。これにより、実用的意義が高まった。