[論文レビュー] Rates of convergence for constrained deconvolution problem

Denis Belomestny|ArXiv.org|Jun 16, 2003

Statistical Methods and Inference参考文献 8被引用数 5

ひとこと要約

本稿は、i.i.d. 確率変数 $ X_i $ の密度 $ p(x) $ に対する非パラメトリックなデコンボリューション推定量を提案する。観測されるのは $ Z_i = \alpha X_i + \beta Y_i $ であり、$ \alpha, \beta > 0 $ で、$ Y_i $ は $ X_i $ と独立同分布に従う。特性関数に基づく逆変換推定量を用い、切り捨てと正則化を施すことで、平均統合二乗誤差（MISE）の収束速度を確立した。$ X $ と $ Y $ が同じ分布族に属するという制約下で、古典的なデコンボリューションよりも改善された収束速度が得られることを示した。

ABSTRACT

Let $X$ and $Y$ be two independent identically distributed random variables with density $p(x)$ and $Z=αX+βY$ for some constants $α>0$ and $β>0$. We consider the problem of estimating $p(x)$ by means of the samples from the distribution of $Z$. Non-parametric estimator based on the sync kernel is constructed and asymptotic behaviour of the corresponding mean integrated square error is investigated.

研究の動機と目的

• 観測されるのは $ Z = \alpha X + \beta Y $ のみであり、$ X $ と $ Y $ が i.i.d. であるという制約付きデコンボリューション問題を扱う。
• $ Y $ の分布は未知であるが、$ X $ と $ Y $ が同じパラメトリックな分布族に属すると仮定し、$ Z $ の i.i.d. サンプルに基づいて $ X $ の密度 $ p(x) $ に対する非パラメトリック推定量を構築する。
• 提案した推定量の平均統合二乗誤差（MISE）の漸近的挙動を分析し、$ Z $ の特性関数に関する正則性条件の下で収束速度を導出する。
• 制約付きデコンボリューション設定が、特に安定分布の設定において、古典的デコンボリューションよりも速い収束速度をもたらすことを示す。

提案手法

• $ Z/\beta $ の特性関数 $ g(t) $ を定義し、$ \gamma = \alpha/\beta < 1 $ とおくと、$ g(t) = f(t)f(\gamma t) $ と因数分解可能であり、これにより $ f(t) $ の無限積による再構成が再帰的に可能となる。
• i.i.d. サンプル $ Z_1, \dots, Z_n $ から特性関数推定量 $ g_n(t) $ を構築し、スケーリングされた周波数における $ g_n $ の比の無限積として、推定量 $ \hat{f}_n(t) $ を定義する。
• 無限積推定量の周波数カットオフ $ 1/h_n $ を、経験的特性関数の大きさと調整列 $ \varepsilon_n, c_n $ によって定める。このカットオフを用いて、逆フーリエ変換により密度推定量 $ \hat{p}_{nN}(x) $ を定義する。
• $ N $ 項で切り捨てを行い、正則化として $ \varepsilon_n = A n^{-1/2} \log^{1/2} n $ および $ c_n \leq \phi^{-1}(2\varepsilon_n) $（ただし $ \phi(t) = |g(t)| $）を用いることで、バイアスと分散を制御する。
• 濃縮不等式とモーメントバウンドを用いて、$ g_n(t) $ と $ g(t) $ の乖離を制御し、$ L^2 $-ノルム分解と特性関数の減衰を用いて MISE のバウンドを導出する。
• MISE のバウンドを、バイアス（切り捨てと近似誤差）と分散（推定誤差）に分解し、$ n $, $ N $, $ \gamma $, および $ r $ 階モーメントに明示的な依存関係を持つ形で確立する。

実験結果

リサーチクエスチョン

• RQ1 $ X $ と $ Y $ が i.i.d. であるという制約付きデコンボリューション問題において、平均統合二乗誤差（MISE）の最適収束速度は何か？
• RQ2 モーメントおよび特性関数の正則性条件の下で、提案した特性関数ベースの推定量の MISE は漸近的にどのように振る舞うか？
• RQ3 $ X $ と $ Y $ が同じ分布族に属するという制約付きデコンボリューション設定は、古典的デコンボリューションよりも速い収束速度をもたらすか？
• RQ4 特性関数の無限積表現の切り捨てが MISE に与える影響は何か？また、切り捨てレベル $ N $ はどのように選ぶべきか？

主な発見

• モーメントおよび特性関数の正則性条件の下で、提案した推定量 $ \hat{p}_{nN} $ の MISE は、$ D\left[\frac{2^N c_n}{n \varphi^2(c_n)} + \frac{\gamma^{2rN} c_n^{r+1}}{(1 - \gamma^{r/2})^2}\right] + \frac{1}{2\pi}\int_{|t|>c_n} |f(t)|^2 dt $ で抑えられる。
• 特性関数が $ |\mathbb{E}e^{itZ}| = e^{-b|t|^a} $ である安定分布に対しては、$ \mathop{\rm MISE}(\hat{p}_{nN}) \leq C(\log n)^{(1+a)/a} \cdot n^{-1/(2 + \gamma^{1/a} - \ln 2 / ((a - \delta)\ln \gamma))} $ が $ a > \delta > 0 $ に対して成り立ち、古典的デコンボリューションよりも改善されたレートを示す。
• 安定分布の仮定下では、古典的な $ \log^{-p}(n) $ レートよりも速い収束速度が得られ、$ X \stackrel{d}{=} Y $ の制約が統計的効率性の向上をもたらすことを示している。
• 推定量 $ \hat{p}_{nN} $ は有効な密度関数でない（負の値をとるか、積分が1にならない）可能性があるが、切り捨てと正則化により MISE 分析が制御可能である。
• 経験的特性関数の値が小さい場合の失敗確率は $ O(1/n) $ で減少することが示され、ややきつい条件下でも推定量の一貫性が保証される。
• $ N = \nu \log n $, $ c_n = (\zeta \log n)^{1/a} $（$ \nu, \zeta > 0 $ として適切に選ぶ）とすることで、バイアスと分散のバランスが良く保たれ、提示された MISE レートが達成される。