파동과 스플라인을 이용한 적응적 분포함수 및 밀도 추정

본 논문은 i.i.d. 표본 X₁,…,Xₙ을 갖는 미지의 분포함수 F와 그 밀도 p₀에 대해, sup‑norm 손실 하에서 동시에 최적의 적응적 추정량을 구성하는 방법을 제시한다. 연구는 크게 네 부분으로 전개된다. 첫 번째 부분에서는 기본적인 함수공간과 wavelet·spline 기반의 다중해상도 분석(multiresolution analysis)을 소개한다. 스케일링 함수 φ와 모자 wavelet ψ를 이용해 Vⱼ 공간을 정의하고, 해당 공간에 대한 직교 투영 커널 Kⱼ(y,x)를 도출한다. φ와 ψ가 컴팩트하게 지원되거나 지수적으로 감소하는 경우, Kⱼ는 유한 혹은 빠르게 수렴하는 합으로 표현될 수 있다. 또한 Battle–Lemarié wavelet과 B‑spline 사이의 동등성을 이용해, 비컴팩트 wavelet의 경우에도 spline 투영식 (6)을 통해 실제 계산이 가능한 형태로 변환한다. 두 번째 부분에서는 선형 투영 추정량 pₙ(y,j)= (1/n)∑_{i=1}^n Kⱼ(y,Xᵢ) 를 정의하고, 그 통계적 성질을 분석한다. 정리 1에서는 jₙ가 적절히 증가하면서 2^{jₙ}·jₙ/n → 0, jₙ/ log log n → ∞ 등 조건을 만족하면, pₙ(y,jₙ) 의 변동성 항이 sup‑norm에서 O(√{2^{jₙ}jₙ/n}) 로 제어됨을 보인다. 또한 p₀가 C^t(Hölder) 클래스에 속하면 편향 항이 O(2^{-jₙt}) 로 감소하므로, 전체 오차는 두 항의 균형을 맞추는 jₙ 선택에 의해 최적률 O((log n/n)^{t/(2t+1)}) 를 달성한다. 이는 기존의 kernel 혹은 wavelet 추정량이 얻는 최적률과 일치한다. 세 번째 부분에서는 Lepski 방법을 변형한 데이터‑구동 해상도 선택 절차를 제시한다. 전통적인 Lepski는 사전 지정된 임계값을 사용하지만, 여기서는 Rademacher 과정 εᵢ·Kⱼ(Xᵢ,·) 의 sup‑norm 상한 R(n,j) 와 차이 T(n,j,l) 를 임계값으로 활용한다. 두 가지 선택 규칙(식 (9)와 (10))은 각각 pₙ(j)와 pₙ(l) 사이의 차이를 직접 비교하거나, Rademacher 상한에 연산자 노름 B(φ)를 보정항으로 더한다. 이 과정에서 Koltchinskii와 Bartlett‑Boucheron‑Lugosi가 제시한 Rademacher 평균 기반의 Bernstein‑type 불평등을 확장해, 경험적 과정과 Rademacher 과정 사이의 차이를 고확률로 제어한다. 결과적으로 선택된 해상도 \(\hat{j}_n\) 혹은 \(\tilde{j}_n\) 은 과적합을 방지하면서도 편향‑분산 균형을 자동으로 맞춘다. 네 번째 부분에서는 최종 추정량의 이론적 성능을 정리한다. 정리 2는 선택된 해상도에 대해 누적분포함수 추정량 \(F_n^S(y)=\int_{-\infty}^y p_n(t,\hat{j}_n)dt\) 가 √n 스케일에서 표준 브라운 브리지 G_P 로 수렴함을 보여, 기능적 중심극한정리를 만족한다. 이는 경험분포함수 Fₙ와 동일한 asymptotic distribution을 갖는다는 의미이며, 따라서 통계적 검정이나 신뢰구간 구축에 바로 활용 가능하다. 논문은 또한 기존 연구와의 차별점을 명확히 한다. 이전의 적응 추정 결과는 주로 Gaussian white noise 모델에 의존했으며, i.i.d. 샘플 모델에서는 moment 조건(예: E|X|^δ<∞)이 필요했다. 본 연구는 이러한 제한을 없애고, 전혀 추가적인 moment 가정 없이도 동일한 최적률과 CLT를 확보한다. 또한 wavelet과 spline 두 가지 기저를 모두 다루어, 컴팩트 wavelet이 제공하는 계산 효율성과 spline이 제공하는 제한된 항만 필요로 하는 실용성을 동시에 제공한다. 결론적으로, 저자들은 Rademacher 기반의 무작위 임계값을 활용한 Lepski 방법을 통해, sup‑norm 손실 하에서 분포함수와 밀도를 동시에 적응적으로 추정하는 새로운 프레임워크를 제시한다. 이 프레임워크는 이론적 최적성(최소 위험, 최적 수렴률, 기능적 CLT)과 실용적 구현 가능성(스플라인을 이용한 유한합 계산) 두 측면을 모두 만족한다.