Local limit theorem for a perturbed sample paths of induced order statistics

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

In this paper we derive a local limit theorem for a perturbed sample paths of normalized sums of induced order statistics obtained from a sequence of independent identically distributed random vectors under weak regularity conditions on the coefficients. The situation under consideration is a typical example of the problem of estimating the rate of convergence of discrete-time Markov processes to diffusions, when the corresponding trends and diffusion coefficients of the Markov chain and the diffusion limit coincide only asymptotically. Under the conditions described above, the classical result of Konakov and Mammen (2000) on the rate of weak convergence of triangular arrays of discrete Markov processes to a diffusion process with coefficients that coincide with the coefficients of the chains turns out to be inapplicable. Our approach is based on the study of the uniform distance between the transition densities of the underlying inhomogeneous Markov chain and the limiting gaussian diffusion process. In particular, the convergence rate estimate derived from the well-known classical limit theorem and the parametrix-type stability bounds.

Авторлар туралы

Ilya Bitter

Laboratory of Stochastic Analysis and its Applications, HSE University

Email: ilya.bitter@yandex.ru
Moscow

Әдебиет тізімі

  1. BITTER I., KONAKOV V. L1 and L ∞ stability of transitiondensities of perturbed diffusions // Random Oper. Stoch. Eq. –2021. – Vol. 29(4). – P. 287–308.
  2. BHATTACHARYA R., RAO R. Normal approximations andasymptotic expansions. – Wiley and sons, 1976.
  3. BHATTACHARYA P.K. Convergence of Sample Paths ofNormalized Sums of Induced Order Statistics // Ann. Statist. –September, 1974. – Vol. 2(5). – P. 1034–1039.
  4. CRAMER H., LEADBETTER M.R. Stationary and relatedstochastic processes. – Dover Publications, Inc., Mineola, NY,2004.
  5. CS ˙ ORG ´ O M., R ´ EV ´ ESZ P. Strong Approximations of thequantile process // The Annals of Statistics. – 1978. – Vol. 6,No. 4. – P. 882–894.
  6. CS ˙ ORG ´ O M. Quantile Processes with Statistical Applications //Society for IndustrialL and Applied Mathematics. – 1983.
  7. DAVID H.A. Concomitants of order statistics // Bull. Internat.Statist. Inst. – 1973. – Vol. 45. – P. 295–300.
  8. DAVID H.A., GALAMBOS J. The asymptotic theory ofconcomitants of order statistics // J. Appl. Probab. – 1974. –Vol. 11. – P. 762–770.
  9. DAVYDOV YU., EGOROV V. Functional limit theorems forinduced order statistics // Mathematical Methods of Statistics. –January, 2000. – Vol. 9(3). – P. 297–313.
  10. DELARUE F., MENOZZI S. Density estimates for a randomnoise propagating through a chain of differential equations // J.Funct. Anal. – 2010. – Vol. 259(6). – P. 1577–1630.
  11. GALAMBOS J. The Asymptotic Theory of Extreme OrderStatistics. – Krieger, Malabar, FL, 1987.
  12. KONAKOV V., MAMMEN E. Local Limit Theorems andStrong Approximations for Robbins-Monro Procedures //arXiv:2304.10673. – 2023.
  13. KONAKOV V., MAMMEN E. Local limit theorems fortransition densities of Markov chains converging to diffusions //Probability Theory and Related Fields. – 2000. – Vol. 117. –P. 551–587.
  14. KONAKOV V., KOZHINA A., MENOZZI S. Stability ofdensities for perturbed diffusions and Markov chains // ESAIM:Probability and Statistics. – 2017. – Vol. 21. – P. 88–112.
  15. MENOZZI S., PESCE A., ZHANG X. Density and gradientestimates for non-degenerate Brownian SDEs with unboundedmeasurable drift // J. Diff. Eq. –2021. – Vol. 272. – P. 330–369.
  16. SEN P.K. A note on invariance principles for induced orderstatistics // The Annals of Probab. – 1976. – Vol. 4. –P. 474–479.
  17. KOZHINA A. Weak error for the Euler scheme approximationof degenerate diffusions with nonsmooth coefficients // Fundam.Prikl. Mat. – 2018. – Vol. 22, Iss. 3. – P. 91–118.
  18. SKOROHOD A.V. Studies in the theory of randomprocesses. – Addison-Wesley, Reading, Massachussetts, 1965.[English translation of Skorohod A.V. Issledovaniya po teoriisluchaynykh protsessov. – Kiev University Press, 1961.]
  19. STROOCK D.W., VARADHAN S.R. Multidimensionaldiffusion processes. – Springer, Berlin, Heidelberg, New York,1979.
  20. VAN DER VAAR A.W. Asymptotic Statistics. – CambridgeUniversity Press, 1998.
  21. YANG S.S. General distribution theory of the concomitants oforder statistics // The Annals of Statist. – 1977. – Vol. 5. –P. 996–1002.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML


Creative Commons License
Бұл мақала лицензия бойынша қол жетімді Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».