Approximate independence of permutation mixtures
置换混合分布的近似独立性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于可交换分布、统计距离与经验贝叶斯通用理论，未明确对应所列具体计量领域。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
置换混合分布的近似独立性
- 研究问题
- 高维可交换置换混合分布与其独立同分布对应分布有多接近，如何控制统计距离并支持相关统计应用？
- 方法与思路
- 作者提出控制混合分布卡方散度的新方法，结合零和变量的初等对称多项式不等式及特定矩阵积和式上界。
- 材料陈述的贡献
- 摘要称得到更紧的距离控制、一个de Finetti型定理，以及高斯噪声洗牌隐私保证和经验贝叶斯一致性改进。
- 阅读关注点
- 应核对统计距离界的维数与参数依赖、两项代数工具的条件，以及隐私和经验贝叶斯推论分别需要的假设。
- 阅读边界
- 仅依据Crossref摘要；所称更紧界限及一致性改进未提供具体表达和比较范围，不能推断对所有混合模型均有优势。
原文摘要
We prove bounds on statistical distances between high-dimensional exchangeable mixture distributions (which we call permutation mixtures) and their i.i.d. counterparts. Our results are based on a novel method for controlling χ2 divergences between exchangeable mixtures, which is tighter than the existing methods of moments or cumulants. At a technical level, a key innovation in our proofs is a new Maclaurin-type inequality for elementary symmetric polynomials of variables that sum to zero and an upper bound on permanents of doubly-stochastic positive semidefinite matrices. We obtain as a corollary a new de Finetti-style theorem (in the language of Diaconis and Freedman, 1987) as well as several new statistical results, including a differential privacy guarantee for the “shuffled privacy model” with Gaussian noise and improved generic consistency guarantees for empirical Bayes procedures in compound decision problems.