파동과 스플라인을 이용한 적응적 분포함수 및 밀도 추정

초록

본 논문은 i.i.d. 표본으로부터 분포함수 F와 그 밀도 p₀를 동시에 sup‑norm 손실 하에 적응적으로 추정하는 방법을 제시한다. wavelet 혹은 B‑spline 기반의 선형 투영 추정량에 Lepski 방법을 무작위 임계값과 결합한 모델 선택 절차를 적용하고, Rademacher 과정의 상한을 이용해 임계값을 데이터에 맞게 조정한다. 이를 통해 밀도는 Hölder 구에 대해 최적 수렴률을, 분포함수는 기능적 중심극한정리를 만족하는 추정량을 얻는다.

상세 분석

이 연구는 두 가지 주요 통계적 목표를 동시에 달성한다. 첫째, 분포함수 F를 sup‑norm(최대절대오차) 기준으로 최소 위험(minimax) 추정량인 경험분포함수 Fₙ과 동등한 효율성을 유지하면서, 둘째, 동일한 표본으로부터 얻은 밀도 p₀를 Hölder 공(Holder) 구에 대해 최적의 수렴률을 보이는 적응적 추정량으로 복원한다는 점이다. 이를 위해 저자들은 wavelet와 B‑spline이라는 두 종류의 함수계에 대한 선형 투영(projection) 추정량을 구성한다. wavelet 경우는 Daubechies와 같이 컴팩트하게 지원되는 파동을, spline 경우는 등간격 노드와 B‑spline 기저를 이용한다. 두 경우 모두 투영 커널 Kⱼ(y,x) 를 정의하고, 경험분포 Pₙ에 대한 Kⱼ‑평균을 pₙ(y, j) 로 설정한다.

핵심 기술은 Lepski 방법을 무작위 임계값(random thresholds)과 결합한 모델 선택 절차이다. 전통적인 Lepski 방법은 사전 지정된 임계값을 사용해 서로 다른 해상도(j) 사이의 추정량 차이를 비교한다. 여기서는 임계값을 Rademacher 과정 εᵢ·Kⱼ(Xᵢ,·) 의 sup‑norm 상한 R(n,j) 로 대체한다. Rademacher 과정은 실제 표본에 대한 부트스트랩 형태의 대칭화(symmetrization)이며, Koltchinskii가 제시한 Rademacher 평균의 상한을 이용해 경험적 과정의 변동성을 더 정확히 추정한다. 저자들은 또한 Bernstein‑type 불평등을 확장해, 경험적 과정의 상한이 Rademacher 평균과 얼마나 차이 나는지를 확률적으로 제어한다. 이 불평등은 변동성(variance) 정보를 포함하므로, 기존의 엔트로피 기반 경계보다 훨씬 타이트한 상수를 얻을 수 있다.

두 가지 데이터‑구동 해상도 선택 규칙을 제시한다. 첫 번째는
\