점수 함수 추정의 최소극대 위험과 로그볼록 형태 제약

초록

본 논문은 로그볼록 확률밀도에서 감소하는 점수 함수의 최소극대 위험을 연구한다. 점수 추정에 있어 꼬리 행동과 매끄러움이 핵심 역할을 함을 보이고, 꼬리 성장 제약을 만족하는 밀도 클래스에서는 $L^{2}(P_{0})$ 손실에 대해 $n^{-(\gamma\wedge1/3)}$ 수준의 위험을, 로그밀도의 $(\beta,L)$‑홀더 연속성을 추가하면 $L^{2/(2\beta+1)}n^{-\beta/(2\beta+1)}$ 의 빠른 수렴률을 달성한다. 제안된 다중스케일 적응 추정기는 점수 함수에 대한 균일 신뢰구간을 이용해 위의 최적률을 얻는다.

상세 분석

논문은 점수 함수 $\psi_{0}=f_{0}’/f_{0}$ 를 $L^{2}(P_{0})$ 손실 $L(\hat\psi,\psi_{0})=\int(\hat\psi-\psi_{0})^{2}f_{0}$ 로 측정한다. 로그볼록 밀도 $f_{0}$ 은 점수 함수가 단조 감소함을 보장하지만, 이 형태 제약만으로는 최소극대 위험이 유한하지 않다. 따라서 저자들은 두 가지 보조 제약을 도입한다. 첫 번째는 꼬리 성장 제약으로, $\lvert\psi_{0}(x)\rvert\le L\min{F_{0}(x),1-F_{0}(x)}^{-(1-\gamma)/2}$ 를 만족하도록 한다. 여기서 $F_{0}$ 은 누적분포, $\gamma\in(0,1]$ 은 꼬리 억제 정도를 조절한다. 이 제약은 점수 함수가 양쪽 꼬리에서 너무 급격히 발산하는 것을 방지한다. 저자들은 이 클래스에 대해 최소극대 위험 $M_{n}\asymp L^{2}n^{-(\gamma\wedge1/3)}$ (다항 로그항 포함) 를 증명한다. 특히 $\gamma=1/3$ 에서 전이점이 나타나며, $\gamma>1/3$ 일 때는 중앙 부분이, $\gamma<1/3$ 일 때는 꼬리 부분이 위험을 지배한다. 또한 Fisher 정보 $I(f_{0})$ 에 대한 상한 $r$ 를 추가하면 위험이 $r$ 에 비례하는 정밀한 상수항을 얻는다. 두 번째 제약은 로그밀도 $\log f_{0}$ 가 $(\beta,L)$‑홀더 연속임을 가정한다. $\beta\in