[論文レビュー] Sharp minimax tests for large covariance matrices

Cristina Butucea, Rania Zgheib|arXiv (Cornell University)|Sep 4, 2014

Random Matrices and Applications参考文献 15被引用数 3

ひとこと要約

本稿は、高次元漸近的条件下で、最適な検出を達成するために、対角成分の重み付けと打ち切りを適応的にバランスさせる2次の重み付きU統計量を用いた、大規模な共分散行列に対する鋭いミニマックス検定を提案する。n = o(1)p²の下で、帰無仮説の下での第II種誤り確率と総誤り確率の正確な漸近定数を確立し、楕円体共分散制約下で鋭いミニマックスレートに達していることを証明する。

ABSTRACT

We consider the detection problem of correlations in a p-dimensional Gaussian vector for p large, when we observe n independent, identically distributed random vectors. We assume that the covariance matrix vary in some ellipsoid with parameter > 1=2 and total energy bounded by L > 0. We prove here both rate and sharp asymptotic results in the minimax setup. Our test procedure is a U-statistic of order 2 corrected by weighting with an optimal sequence, chosen as solution of an extremal problem. This procedure weights diagonal elements in a polynomial way and truncates the number of diagonals to take into account. We show that our test statistic has a Gaussian asymptotic behaviour under the null hypothesis and under the alternatives close to the detection boundary. Moreover, it attains the sharp asymptotic rate, i.e. with explicit asymptotic constant, for the maximal type II error and the total error probabilities, when n = o(1)p 2 . We show that sharp asymptotic lower bounds for the maximal type II error and total error probabilities under no restriction on p and n. We deduce rate asymptotic minimax results for testing the inverse of the covariance matrix.

研究の動機と目的

• 標本サイズnと次元pがn = o(1)p²の下で、高次元ガウスベクトルにおける相関の検出のためのミニマックス最適な検定を開発すること。
• 楕円体共分散制約下でミニマックス枠組みにおいて、最大の第II種誤り確率と総誤り確率の鋭い漸近定数を確立すること。
• pおよびnに制限を設けない条件下で誤り確率の下界を導出し、逆共分散行列の検定におけるレートミニマックス結果を可能にすること。
• 未知の共分散構造に適応するため、最適な重み付けと打ち切りのための極値問題を解く検定手順を設計すること。

提案手法

• 検定は、最大の誤り確率を最小化するために解く極値問題から得られるデータ依存の重みを有する2次のU統計量に基づく。
• 重み付け方式は、標本共分散行列の対角成分に多項式減衰を適用し、含める対角成分の数を打ち切る。
• 帰無仮説および検出境界付近の対立仮説の下で、検定統計量の漸近正規性を確立する。
• 手順は、高次元的状況下で、第II種誤り確率および総誤り確率の明示的な定数を伴う鋭い漸近レートを達成するように設計されている。
• 全エネルギーがL > 0で有界な楕円体制約の共分散行列の構造を活用する。
• 理論的分析には、提案された検定の最適性を確認するための誤り確率の鋭い下界を導出する。

実験結果

リサーチクエスチョン

• RQ1 楕円体共分散制約下で、大次元ガウスベクトルにおける相関の検出において、最大の第II種誤り確率の鋭い漸近レートは何か？
• RQ2 n = o(1)p²の下で、U統計量に基づく検定が明示的な漸近定数を伴ってミニマックスレートに達することができるか？
• RQ3 U統計量の最適な重みおよび打ち切りレベルは、基礎となる共分散構造およびエネルギー制約にどのように依存するか？
• RQ4 pおよびnに制限を設けないミニマックス設定下での総誤り確率の鋭い下界は何か？
• RQ5 提案された検定は、逆共分散行列を含む推論問題へどの程度拡張可能か？

主な発見

• 提案された検定は、n = o(1)p²の条件下で、最大の第II種誤り確率の鋭い漸近レートを明示的な漸近定数とともに達成する。
• 検定統計量は、帰無仮説および検出境界付近の対立仮説の下で、ガウス分布に漸近的に従う。
• 最適な重み列は、対角成分の寄与と打ち切りのバランスを取るために解かれる極値問題の解として導出される。
• 総誤り確率の鋭い下界が導出され、高次元的状況下で検定のミニマックス最適性が確認される。
• 結果は、同じ漸近的スケーリング下で逆共分散行列のレートミニマックス検定を示唆する。
• 構造上、未知の共分散構造に対してロバストである。楕円体制約とエネルギー上限にのみ依存する。