다변량 델타 방법의 정규성 수렴률에 대한 최적 차수 베리 에센 bounds

초록

본 논문은 일반적인 비선형 통계량에 대해 균일·비균일 베리-에센(BE) 경계의 최적 차수를 제시하고, 이를 다변량 델타 방법에 적용해 벡터 통계량의 정규성 수렴률을 최적화한다. 피어슨 상관계수, 비중심 Student 통계량, Hotelling T², 구형성 검정, 정규화된 정준 상관, 최대우도 추정량(MLE) 등 다양한 사례에 구체적인 BE 경계를 도출한다. 증명은 Chen‑Shao의 Stein‑type 방법, Cramér‑type tilt 변환, Pinelis·Sakhanenko·Utev의 지수·Rosenthal 부등식 등을 활용하며, 상수가 명시된 실용적인 형태를 제공한다.

상세 분석

이 연구는 “비선형 통계량 → 정규근사”라는 고전적 문제를 현대적인 확률론적 도구로 재구성한다. 먼저 저자는 임의의 매끄러운 함수 g:ℝ^d→ℝ^m에 대해, 표본 평균 𝑋̄_n의 변환 g(𝑋̄_n)−g(μ) 를 1차 테일러 전개로 근사하고, 잔차항을 고차 모멘트와 연관시킨다. 핵심은 이 잔차가 평균 0, 공분산 Σ를 갖는 다변량 정규분포와 얼마나 가까운가를 정량화하는 베리‑에센(BE) 경계를 얻는 것이다.

저자는 두 종류의 BE 경계를 제시한다. 균일(bound uniform) 은 모든 실수 벡터 t∈ℝ^m에 대해 sup‖P(g(𝑋̄_n)≤t)−Φ_Σ(t)‖ 를 n^{-1/2} 수준으로 제한한다. 여기서 Φ_Σ는 평균 0, 공분산 Σ인 다변량 정규분포의 누적분포함수다. 비균일(bound non‑uniform) 은 t의 크기에 따라 추가적인 감소 요인 (1+‖t‖)^{-k} 를 포함해, 꼬리 영역에서 더 강한 수렴을 보인다. 두 경계 모두 차수가 최적임을 증명한다(즉, n^{-1/2}가 더 이상 개선될 수 없음).

증명 전략은 Chen‑Shao가 개발한 Stein‑type 접근법을 기반으로 한다. 이 방법은 목표 정규분포에 대한 Stein 연산자를 정의하고, 원래 통계량과의 차이를 기대값 형태로 표현한다. 차이를 제어하기 위해 Cramér‑type tilt 변환을 도입해 원래 확률 측정(P)에서 기울어진 측정(Q)으로 바꾸고, Q‑하에서의 고차 모멘트를 이용해 잔차를 억제한다. 또한, Pinelis·Sakhanenko·Utev가 제시한 지수 부등식과 Rosenthal‑type 부등식을 활용해 다변량 랜덤 벡터 합의 고차 모멘트를 명시적인 상수와 함께 제한한다.

특히 저자는 상수들을 구체적으로 계산해, 실제 적용 시 “적당히 큰” 정도의 상수만 필요함을 보인다. 예를 들어, 피어슨 표본 상관계수 ρ̂에 대해
\