[논문 리뷰] Self-normalized Cramér Type Moderate Deviations under Dependence

Xiaohong Chen, Qi-Man Shao외 1명|arXiv (Cornell University)|2014. 09. 12.

Statistical Methods and Inference참고 문헌 24인용 수 3

한 줄 요약

이 논문은 약한 모멘트 조건 하에서 약한 의존성 하에 자기정규화된 합에 대한 Cramér 유형의 중간편차 결과를 제시한다. 두 가지 블록 기반의 방법—큰 블록-작은 블록 및 교차 블록—을 사용하며, 자기정규화는 비자기정규화된 경우보다 가우시안 근사의 범위를 넓히며, 의존성 하에서도 성립함을 보여준다. 특히 교차 블록 방법은 유한표본 성능에서 뛰어난 성능을 보인다.

ABSTRACT

We establish a Cramér-type moderate deviation result for self-normalized sums of weakly dependent random variables, where the moment requirement is much weaker than the non-self-normalized counterpart. The range of the moderate deviation is shown to depend on the moment condition and the degree of dependence of the underlying processes. We consider two types of self-normalization: the big-block-small-block scheme and the interlacing or equal-block scheme. Simulation study shows that the latter can have a better finite-sample performance. Our result is applied to multiple testing and construction of simultaneous confidence intervals for high-dimensional time series mean vectors.

연구 동기 및 목표

• 약한 의존성과 무거운 尾(꼬리)를 가진 시간열에서 자기정규화된 합에 대한 중간편차 이론의 부족을 해결한다.
• 최소한의 모멘트 조건 하에서 독립적 과정에서 자기정규화한 극한이론을 약한 의존성 과정으로 확장한다.
• 의존 데이터에 적합한 두 가지 블록 기반 자기정규화 방법—큰 블록-작은 블록 및 교차(등크기 블록) 방식—을 개발한다.
• 동일한 모멘트 및 의존성 조건 하에서 자기정규화된 방법이 비자기정규화된 방법보다 더 넓은 범위의 가우시안 근사 범위를 제공함을 보여준다.
• 의존성 하에서 고차원 추론에 자기정규화 통계량을 신뢰성 있게 사용할 수 있도록 이론적 근거를 제공한다.

제안 방법

• 큰 블록-작은 블록 및 교차(등크기 블록) 방식을 기반으로 한 두 가지 자기정규화된 합 통계량을 제안한다.
• 비선형 시간열에서의 약한 의존성을 기능적 의존도 측도와 β-혼합 계수를 사용하여 정량화한다.
• 마팅게일 근사와 지수 尾 확률의 경계를 활용하여 중간편차 결과를 확립하며, 특히 음의 편차 확률에 대해 레미마 6.3을 활용한다.
• 버크홀더 부등식과 투영 기법을 사용하여 블록 합과 그 조건부 기대값의 모멘트를 제어한다.
• 꼬리 확률의 비율과 표준 정규 꼬리 확률 간의 경계를 유도하며, 제어 가능한 오차 항까지의 점근적 동치성을 보여준다.
• 유한표본 성능 향상을 위해 교차 블록 방식을 활용하며, 시뮬레이션을 통해 검증한다.

실험 결과

연구 질문

• RQ1 약한 의존성과 약한 모멘트 조건 하에서 자기정규화된 합은 넓은 범위의 가우시안 근사 범위를 유지할 수 있는가?
• RQ2 큰 블록-작은 블록 방식과 교차 블록 방식 간의 블록 설계 선택이 자기정규화된 중간편차 근사의 유한표본 성능에 어떤 영향을 미치는가?
• RQ3 의존성과 모멘트 조건은 자기정규화된 통계량의 중간편차 범위에 어떤 영향을 미치는가?
• RQ4 자기정규화된 통계량은 의존성 있는 시간열에 대한 고차원 추론에서 신뢰성 있게 사용될 수 있는가?
• RQ5 기능적 의존도 측도와 β-혼합 계수는 중간편차 결과의 이론적 경계에 어떤 영향을 미치는가?

주요 결과

• 시뮬레이션 결과, 교차 블록 방식에 기반한 자기정규화된 합은 큰 블록-작은 블록 방식보다 더 뛰어난 유한표본 성능을 보였다.
• 약한 의존성과 모멘트 조건 하에서, 동일한 모멘트 제약 조건 하에서 자기정규화된 합의 중간편차 범위는 비자기정규화된 합보다 넓다.
• 모든 독립 동일분포인 경우 $ E|X_i|^{2+ u} < ty $ 이면, 자기정규화된 합의 중간편차 범위는 $ O(n^{1/2}) $ 이며, 이는 독립 동일분포의 경우와 일치한다.
• 중간편차의 범위는 모멘트 조건 $ u $ 와 의존성 정도에 모두 의존하며, 교차 블록 방식은 더 큰 효과적 범위를 달성한다.
• 약한 모멘트 및 의존성 조건 하에서, $ x $ 가 $ O(n^{1/2}) $ 까지일 때 비율 $ P(T_n \to x) / (1 - \bar{\Phi}(x)) $ 는 $ \exp(O(1)(1+x)^{2+ u}/d_{n, u}^{2+ u}) $ 으로 유계이다.
• 이론적 결과는 고차원 시간열 평균 벡터에 대한 다중 검정 및 동시 신뢰구간으로 확장되었으며, 이는 이전의 독립 동일분포 방법을 의존성 있는 설정으로 일반화한 것이다.