[논문 리뷰] U-quantile processes and generalized linear statistics of dependent data

Martin Wendler|arXiv (Cornell University)|2010. 10. 12.

Advanced Statistical Methods and Models참고 문헌 27인용 수 3

한 줄 요약

이 논문은 약한 의존성 하에서 일반화된 선형(GL) 통계량에 대해 중심극한정리(CLT)와 반복로그 로그법칙(LIL)을 확립한다. 이는 이전 연구에서 독립 데이터에 국한된 결과를 확장한 것이다. 일반화된 바하두르 표현을 통해 경험 U-과정을 분석함으로써, 저자들은 U-분위수 과정에 대한 점근적 정규성과 기능법을 도출하며, 이는 직접적으로 강혼합 또는 L^1 근접시점 의존성 데이터의 GL-통계량에 대한 CLT와 LIL를 의미한다.

ABSTRACT

Generalized linear statistics are a unifying class that contains U-statistics, U-quantiles, L-statistics as well as trimmed and winsorized U-statistics. For example, many commonly used estimators of scale fall into this class. GL-statistics only have been studied under independence; in this paper, we establish the central limit theorem (CLT) and the law of the iterated logarithm (LIL) for GL-statistics of sequences which are strongly mixing or L^1 near epoch dependent on an absolutely regular process. We first investigate the empirical U-process. With the help of a generalized Bahadur representation, the CLT and the LIL for the empirical U-quantile process follow. As GL-statistics are linear functionals of the U-quantile process, the CLT and the LIL for GL-statistics are straightforward corollaries.

연구 동기 및 목표

• 독립 데이터를 초월해 약한 의존성 시계열로 일반화된 선형 통계량의 점근 이론을 확장하기 위해.
• 특히 스케일 추정량과 잘라낸/윈소라이즈된 U-통계량에 대해 의존성 하에서의 극한정리 부족 문제를 해결하기 위해.
• 강혼합 또는 L^1 근접시점 의존성 과정에서 일반화된 선형 통계량에 대해 중심극한정리(CLT)와 반복로그 로그법칙(LIL)을 확립하기 위해.
• GL-통계량 결과를 위한 기초 단계로 경험 U-분위수 과정의 점근적 분포를 도출하기 위해.
• 약한 의존성 하에서 U-통계량, U-분위수, L-통계량 및 관련 추정량의 점근 이론을 통합하기 위해.

제안 방법

• 저자들은 GL-통계량의 핵심 스토케스틱 과정으로 경험 U-과정을 분석한다.
• 경험 U-분위수 과정을 기본 분포함수와 오차와 연결하기 위해 일반화된 바하두르 표현을 사용한다.
• 약한 의존성 구조—특히 절대정규성 과정 위에서의 강혼합 또는 L^1 근접시점 의존성—을 점근 분석에 공식적으로 통합한다.
• 의존성 가정 하에서의 함수적 중심극한정리 이론과 모멘트 경계를 사용하여 경험 U-분위수 과정에 대한 CLT와 LIL를 유도한다.
• GL-통계량은 U-분위수 과정의 선형 함수형으로 간주되어 극한법칙을 직접 전이할 수 있다.
• 마르팅게일 근사와 의존 배열에 대한 약한 수렴 기법을 통해 이론적 결과를 확립한다.

실험 결과

연구 질문

• RQ1 기초 데이터가 독립이 아니라 약한 의존성을 가질 경우 일반화된 선형 통계량에 대해 중심극한정리가 성립하는가?
• RQ2 강혼합 또는 L^1 근접시점 의존성 과정 하에서 반복로그 로그법칙을 GL-통계량으로 확장할 수 있는가?
• RQ3 약한 의존성 하에서 경험 U-분위수 과정에 대해 일반화된 바하두르 표현을 어떻게 적응시켜 점근 분석을 가능하게 할 수 있는가?
• RQ4 약한 의존성 조건 하에서 경험 U-분위수 과정의 극한 분포는 무엇인가?
• RQ5 잘라낸 및 윈소라이즈된 U-통계량을 포함한 GL-통계량은 약한 의존성 하에서 점근적으로 정규분포를 따르는가?

주요 결과

• 강혼합 또는 L^1 근접시점 의존성 과정 하에서 일반화된 선형 통계량에 대해 중심극한정리가 성립한다.
• 동일한 약한 의존성 프레임워크 하에서 일반화된 선형 통계량에 대해 반복로그 로그법칙이 확립된다.
• 지정된 의존 조건 하에서 경험 U-분위수 과정은 기능적 중심극한정리를 만족한다.
• 일반화된 바하두르 표현은 약한 의존성 데이터로부터 U-분위수 과정의 극한법칙을 도출하는 데 기여한다.
• GL-통계량은 선형 함수형을 통해 U-분위수 과정으로부터 점근적 정규성과 기능법을 이행한다.
• 결과는 U-통계량, U-분위수, L-통계량 및 관련 추정량의 점근 이론을 약한 의존성 데이터로 통합하고 확장한다.