[论文解读] Berry-Esseen bounds for general nonlinear statistics, with applications to Pearson's and non-central Student's and Hotelling's

Iosif Pinelis, Raymond Molzon|arXiv (Cornell University)|May 31, 2009

Random Matrices and Applications参考文献 78被引用 28

一句话总结

本文通过引入Cramér型倾斜变换并利用随机向量和的高级不等式，将Stein方法推广至更弱的矩假设下，推导了一般非线性统计量的Berry-Esséen界。该方法在较弱的矩条件下，显著改进了以往结果，获得了皮尔逊相关系数、非中心t分布及Hotelling's T²等关键统计量的精确收敛速率。

ABSTRACT

Abstract. Recently Chen and Shao developed a Stein-type method to obtain bounds on the closeness of the distribution of a general nonlinear statistic to that of a linear approximation. We generalize these results so as to allow one to use lesser moment restrictions when applied to nonlinear statistics expressed as smooth enough functions of sums of independent random vectors. Our main innovation in the method is the use of a Cramér-type of tilt transform. Other techniques used to obtain improvements include exponential and Rosenthal-type inequalities for sums of random vectors established by Pinelis and Sakhanenko. As applications, Berry-Esséen type bounds are obtained for concrete nonlinear statistics such as the Pearson correlation coefficient and the non-central Student and Hotelling statistics. Contents

研究动机与目标

• 在更弱的矩条件下，将Stein方法扩展至非线性统计量。
• 提出一种Cramér型倾斜变换，以提高非线性函数式对随机向量和的正态逼近精度。
• 应用Pinelis与Sakhanenko的精细不等式，处理独立随机向量和的性质。
• 为经典统计量（如皮尔逊相关系数与非中心学生t分布）推导显式的Berry-Esséen界。
• 将现有界推广至非中心与多变量情形，包括Hotelling's T²。

提出的方法

• 引入Cramér型倾斜变换，重新加权非线性统计量的分布，以提升正态逼近效果。
• 应用指数型与Rosenthal型不等式，控制独立随机向量和的尾部行为。
• 采用平滑化的Stein方程框架，量化非线性统计量分布与其正态近似之间的距离。
• 对统计量在i.i.d.随机向量和附近进行二阶展开，以推导偏差与方差项。
• 结合矩限制与倾斜变换，相比先前方法，放宽了假设条件。
• 建立统计量累积分布函数与正态分布之间在上范数下的差异界。

实验结果

研究问题

• RQ1 能否在比以往要求更弱的矩条件下，为非线性统计量推导出Berry-Esséen界？
• RQ2 Cramér型倾斜变换如何提升非线性泛函对随机向量和的正态逼近精度？
• RQ3 在最小矩假设下，皮尔逊相关系数的最优收敛速率是多少？
• RQ4 Rosenthal型不等式在多变量非线性统计量收敛速率推导中能发挥多大作用？
• RQ5 该方法能否推广至非中心与多变量统计量（如Hotelling's T²）？

主要发现

• 本文在最小矩条件下，为皮尔逊相关系数建立了Berry-Esséen界，收敛速率为O(n^{-1/2})。
• 对于非中心学生t统计量，该方法得到的收敛速率同样为O(n^{-1/2})，且常数优于经典界。
• 在弱矩假设下，Hotelling's T²统计量满足O(n^{-1/2})阶的Berry-Esséen界。
• 采用Cramér型倾斜变换可显著降低所需的矩限制，使仅需有限三阶矩即可得出结果。
• 倾斜变换与Pinelis-Sakhanenko不等式的结合，使多变量与非中心情形下的界比以往方法更紧致。
• 该框架具有足够的通用性，可适用于广泛类别的光滑非线性统计量，而不仅限于文中研究的具体例子。