지역 의존 하에서 정밀 베리 에센 경계

초록

본 논문은 지역 의존 구조(LD1, LD2)를 만족하는 확률변수들의 합에 대해, 비정규화와 자기정규화 두 경우 모두 베리‑에센 정밀도를 제공한다. 새로운 집중 불평등을 도입해 기존 결과보다 약한 모멘트 가정과 더 작은 의존 집합 크기로 최적 수렴 속도를 달성했으며, 그래프 의존, 분산 U‑통계량, 제약 U‑통계량, 장식된 동형사상 합 등에 적용한다.

상세 분석

논문은 먼저 기존의 지역 의존 가정을 두 단계로 확장한다. (LD1)은 각 변수 X_i가 자신의 이웃 집합 A_i 바깥의 변수와 독립임을 의미하고, (LD2)는 i와 j∈A_i에 대해 더 큰 집합 A_{ij}가 존재해 {X_i,X_j}가 그 밖의 변수와 독립임을 요구한다. 이 구조는 기존의 (LD2′)보다 집합 크기가 현저히 작아 실제 통계 모델에 더 적합하다. 저자들은 Stein 방법과 새로운 무작위 집중 불평등을 결합해 두 종류의 베리‑에센 경계를 도출한다. 첫 번째 정리(2.1)는 비정규화 합 W₁=S/σ에 대해  sup_z|P(W₁≤z)-Φ(z)| ≤ C κ²σ⁻³∑ ‖X_i‖₃⁴ + C κ^{1/2}(κ+τ^{1/2})σ⁻²(∑ ‖X_i‖₄⁴)^{1/2}, 여기서 κ는 최대 이웃 수와 최대 A_{ij} 크기의 상한, τ는 복합 의존 쌍의 개수를 나타낸다. 두 번째 정리(2.3)는 자기정규화 합 W₂=S/V에 대해 비슷한 형태의 경계를 제시하되, λ=κ∑ E X_i²/σ²가 추가된다는 점이 특징이다. λ는 대부분의 응용에서 O(1) 수준으로 유지되므로 실제 오차는 기존 결과와 동등하거나 더 작다.

핵심 기술은 (LD1),(LD2) 하에서 재귀적으로 구축한 집중 불평등이다. 이 불평등은 변수들의 고차 모멘트(3차·4차)만을 필요로 하며, 기존 방법이 요구하던 5차 이상 모멘트나 복잡한 마팅게일 차분 구조를 피한다. 또한, Stein의 교정 함수에 대한 정밀한 경계 추정이 가능해져 상수 C가 보편적인 절대 상수로 유지된다. 이러한 접근은 그래프 의존 구조에서 최대 차수 d가 작을 때, d²·E|X|³/σ³ 형태의 오차와 d^{3/2}·(E|X|⁴)^{1/2}/σ² 형태의 오차를 동시에 얻음으로써 Ross(2011)의 Wasserstein‑1 경계와 일치한다. 더 나아가, 기존 연구가 제시한 d⁵(p−1)·E|X|^p/σ^p (p∈(2,3])보다 차수가 크게 낮아 실제 적용 가능성이 확대된다.

응용 부분에서는 (i) 그래프 의존 변수들의 합, (ii) 분산 U‑통계량, (iii) 제약 U‑통계량, (iv) 장식된 injective homomorphism 합에 대해 각각 구체적인 κ, τ, λ 값을 계산한다. 특히 분산 U‑통계량에서는 각 블록의 크기가 N^{α}(α<1/2)인 경우에도 O(N^{-1/2}) 수준의 정밀도를 유지한다. 제약 U‑통계량에서는 m‑의존성 구조와 제한된 인덱스 차이 D를 이용해 κ와 τ를 d와 m에 대한 다항식 형태로 제어한다. 마지막으로 장식된 동형사상 합에서는 그래프의 최대 차수와 색칠 제약이 κ에 직접 반영되어 기존보다 더 얇은 오차 항을 얻는다. 전반적으로 논문은 지역 의존 하에서 베리‑에센 정밀도를 얻기 위한 새로운 이론적 틀을 제공하고, 다양한 통계 모델에 적용 가능한 실용적인 경계를 제시한다.