[논문 리뷰] Convergence of Multivariate Quantile Surfaces

Adil Ahidar-Coutrix, Philippe Berthet|arXiv (Cornell University)|2016. 07. 09.

Statistical Methods and Inference참고 문헌 14인용 수 3

한 줄 요약

이 논문은 대칭성, 밀도, 또는 유일한 중심이 필요하지 않은 일반적인 분포로까지 일반화된 다변량 분위수 표면을 제안하며, 임의의 관측자 점 O ∈ ℝᵈ에 기반하여 비모수적 프레임워크를 제공한다. 이는 단일 변수 분위수를 일반화한 것으로, 차원에 의존하지 않는 Bahadur-Kiefer 표현을 확립하여 n⁻¹/⁴(log n)¹/²(log log n)¹⁴의 속도를 달성함으로써, Tukey 반공간의 공동 신뢰 영역에 대한 균일한 약한 수렴과 비점근적 가우시안 근사를 가능하게 한다.

ABSTRACT

We define the quantile set of order $α\in \left[ 1/2,1 ight) $ associated to a law $P$ on $\mathbb{R}^{d}$ to be the collection of its directional quantiles seen from an observer $O\in \mathbb{R}^{d}$. Under minimal assumptions these star-shaped sets are closed surfaces, continuous in $(O,α)$ and the collection of empirical quantile surfaces is uniformly consistent.\ Under mild assumptions -- no density or symmetry is required for $P$ -- our uniform central limit theorem reveals the correlations between quantile points and a non asymptotic Gaussian approximation provides joint confident enlarged quantile surfaces. Our main result is a dimension free rate $n^{-1/4} (\log n)^{1/2}(\log\log n) ^{1/4} $ of Bahadur-Kiefer embedding by the empirical process indexed by half-spaces. These limit theorems sharply generalize the univariate quantile convergences and fully characterize the joint behavior of Tukey half-spaces.

연구 동기 및 목표

• 대칭성, 밀도, 또는 유일한 중심이 필요하지 않은 조건에서 단일 변수 분위수 수렴을 다변량 설정으로 일반화하기 위해.
• 임의의 관측자 점 O ∈ ℝᵈ에서부터의 방향성 투영을 이용한 분위수 표면에 대한 비모수적 프레임워크를 개발하기 위해.
• 기본 분포 P에 대한 최소한의 가정 하에, 경험적 분위수 표면의 균일한 일致성과 약한 수렴을 확립하기 위해.
• 반공간의 클래스에 따라 인덱싱된 경험 과정에 대해 차원에 의존하지 않는 Bahadur-Kiefer 표현을 유도하여, 다변량 분위수에 대한 공동 추론을 가능하게 하기 위해.
• 다변량 분위수 표면의 공동 신뢰 영역에 대해 비점근적 가우시안 근사를 제공하여, 다변량 데이터 클러스터에 대한 강건한 추론에 적용 가능하게 하기 위해.

제안 방법

• 관측자 O ∈ ℝᵈ에서의 방향 분위수를, O를 통과하는 반공간의 확률이 순서 α ∈ [1/2, 1)에 도달하는 점들의 집합으로 정의한다.
• 방향 분위수로 구성된 별형 집합으로서의 분위수 표면을 구성하여, 최소한의 가정 하에 (O, α)에 대해 연속성을 확보한다.
• 반공간의 클래스에 따라 인덱싱된 경험 과정에 대해 Talagrand의 부등식과 모멘트 부등식을 사용하여 균일한 편차를 통제한다.
• Berthet-Mason의 강한 근사 정리를 적용하여 경험 과정을 차원에 의존하지 않는 속도로 가우시안 과정에 통합한다.
• 반공간의 클래스에 대해 경험 과정에 대한 균일한 Bahadur-Kiefer 표현을 확립하여, n⁻¹/⁴(log n)¹/²(log log n)¹⁴의 속도를 달성한다.
• 강한 근사 결과를 활용하여 분위수 표면의 공동 신뢰 영역에 대한 비점근적 가우시안 근사를 도출한다.

실험 결과

연구 질문

• RQ1 대칭성, 밀도, 또는 유일한 중심이 없는 조건에서도 다변량 분위수 표면을 일致적으로 추정할 수 있는가?
• RQ2 고차원 설정에서 경험적 분위수 표면의 최적 수렴 속도는 무엇인가?
• RQ3 비점근적 유효성을 갖는 다변량 분위수에 대한 공동 신뢰 영역을 어떻게 구성할 수 있는가?
• RQ4 반공간에 따라 인덱싱된 경험 과정이 차원에 의존하지 않는 속도로 가우시안 과정에 의해 표현될 수 있는가?
• RQ5 분위수 표면은 다변량 설정에서 단일 변수 분위수 수렴을 어떻게 일반화하는가?

주요 결과

• 기본 분포 P의 밀도나 대칭성이 필요하지 않은 최소한의 가정 하에 경험적 분위수 표면는 균일하게 일치한다.
• 이 논문은 경험적 분위수 표면에 대해 균일한 약한 수렴 결과를 확립하여, 고전적인 단일 변수 약한 수렴을 다변량 설정으로 확장한다.
• 반공간의 클래스에 따라 인덱싱된 경험 과정에 대해 차원에 의존하지 않는 Bahadur-Kiefer 표현을 달성하였으며, 속도는 n⁻¹/⁴(log n)¹/²(log log n)¹⁴이다.
• 다변량 분위수 표면의 공동 신뢰 영역에 대해 비점근적 가우시안 근사를 제공하여, 다변량 데이터 클러스터에 대한 강건한 추론을 가능하게 한다.
• 분위수 표면는 관측자 위치 O와 분위수 수준 α에 대해 연속적이며, 매개변수 공간 전반에서 안정적인 기하학적 해석을 보장한다.
• 이 프레임워크는 Tukey 반공간을 일반화하며, 중심 중앙값 점이 필요하지 않은 깊이 기반 윤곽선에 대한 공동 추론을 가능하게 한다.