[论文解读] Sharp minimax tests for large covariance matrices

Cristina Butucea, Rania Zgheib|arXiv (Cornell University)|Sep 4, 2014

Random Matrices and Applications参考文献 15被引用 3

一句话总结

本文提出了一种用于大维协方差矩阵的尖锐极小极大检验方法，采用二阶加权U统计量，通过自适应平衡对角元素加权与截断，实现在高维渐近下的最优检测。当 n = o(1)p² 时，建立了第二类错误概率和总错误概率的精确渐近常数，证明该检验在椭球协方差约束下可达到尖锐极小极大速率。

ABSTRACT

We consider the detection problem of correlations in a p-dimensional Gaussian vector for p large, when we observe n independent, identically distributed random vectors. We assume that the covariance matrix vary in some ellipsoid with parameter > 1=2 and total energy bounded by L > 0. We prove here both rate and sharp asymptotic results in the minimax setup. Our test procedure is a U-statistic of order 2 corrected by weighting with an optimal sequence, chosen as solution of an extremal problem. This procedure weights diagonal elements in a polynomial way and truncates the number of diagonals to take into account. We show that our test statistic has a Gaussian asymptotic behaviour under the null hypothesis and under the alternatives close to the detection boundary. Moreover, it attains the sharp asymptotic rate, i.e. with explicit asymptotic constant, for the maximal type II error and the total error probabilities, when n = o(1)p 2 . We show that sharp asymptotic lower bounds for the maximal type II error and total error probabilities under no restriction on p and n. We deduce rate asymptotic minimax results for testing the inverse of the covariance matrix.

研究动机与目标

• 为在样本量 n 与维度 p 同时增长且满足 n = o(1)p² 的条件下，检测高维正态向量中的相关性，开发一种极小极大最优检验。
• 在椭球协方差约束下，建立极小极大框架中最大第二类错误概率与总错误概率的尖锐渐近常数。
• 在不施加 p 与 n 限制的条件下，推导错误概率的下界，从而实现对精度矩阵检验的速率极小极大结果。
• 设计一种自适应未知协方差结构的检验程序，通过求解极值问题以确定最优加权与截断。

提出的方法

• 该检验基于一个二阶U统计量，其数据依赖权重通过求解极小化最大错误概率的极值问题获得。
• 加权方案对样本协方差矩阵的对角元素施加多项式衰减，并截断所包含的对角线数量。
• 在原假设及检测边界附近的替代假设下，建立了检验统计量的渐近正态性。
• 该方法旨在高维情形下实现第二类错误概率与总错误概率的尖锐渐近速率，并给出显式常数。
• 方法利用了协方差矩阵的椭球约束结构，且总能量受 L > 0 有界。
• 理论分析包括推导错误概率的尖锐下界，以确认所提检验的最优性。

实验结果

研究问题

• RQ1 在椭球协方差约束下，检测大维正态向量中相关性的最大第二类错误概率的尖锐渐近速率是什么？
• RQ2 当 n = o(1)p² 时，基于U统计量的检验能否实现极小极大速率并给出显式渐近常数？
• RQ3 U统计量的最优权重与截断水平如何依赖于潜在协方差结构与能量约束？
• RQ4 在不施加 p 与 n 限制的极小极大设置下，总错误概率的尖锐下界是什么？
• RQ5 所提出的检验在多大程度上可推广至涉及精度矩阵的推断问题？

主要发现

• 在条件 n = o(1)p² 下，所提检验实现了最大第二类错误概率的尖锐渐近速率，并给出了显式渐近常数。
• 在原假设及检测边界附近的替代假设下，检验统计量表现出高斯渐近分布。
• 最优加权序列被证明是求解极值问题的解，平衡了对角元素的贡献与截断。
• 推导出总错误概率的尖锐下界，证实了该检验在高维情形下的极小极大最优性。
• 结果表明，在相同渐近尺度下，对精度矩阵的检验可实现速率极小极大。
• 该方法在构造上对未知协方差结构具有鲁棒性，仅依赖于椭球约束与能量界。