Time-uniform, nonparametric, nonasymptotic confidence sequences
时间一致、非参数、非渐近的置信序列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：摘要明确将方法用于 Neyman–Rubin 潜在结果模型下的样本平均处理效应估计。
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…
时间一致、非参数、非渐近的置信序列
- 研究问题
- 如何构造在无界观测时域内同时有效、宽度逐渐缩小的置信区间序列，并在非参数条件下提供非渐近覆盖保证？
- 方法与思路
- 作者连接指数集中、重对数律与序贯概率比检验，建立时间一致界，并讨论自标准化过程、矩阵鞅及处理效应应用。
- 材料陈述的贡献
- 摘要称构造了具有非渐近覆盖保证的收缩置信序列，推导经验 Bernstein 界和矩阵特征值上界，并用于样本平均处理效应。
- 阅读关注点
- 应核对各类过程的尾部或鞅条件、同时覆盖与宽度收缩的要求，以及潜在结果框架下处理效应应用的设计条件。
- 阅读边界
- 非参数表述不代表没有条件，摘要未列出完整覆盖与收缩条件及处理分配要求；索引摘要未注明稿件版本。
原文摘要
A confidence sequence is a sequence of confidence intervals that is uniformly valid over an unbounded time horizon. Our work develops confidence sequences whose widths go to zero, with nonasymptotic coverage guarantees under nonparametric conditions. We draw connections between the Cramér–Chernoff method for exponential concentration, the law of the iterated logarithm (LIL) and the sequential probability ratio test—our confidence sequences are time-uniform extensions of the first; provide tight, nonasymptotic characterizations of the second; and generalize the third to nonparametric settings, including sub-Gaussian and Bernstein conditions, self-normalized processes and matrix martingales. We illustrate the generality of our proof techniques by deriving an empirical-Bernstein bound growing at a LIL rate, as well as a novel upper LIL for the maximum eigenvalue of a sum of random matrices. Finally, we apply our methods to covariance matrix estimation and to estimation of sample average treatment effect under the Neyman–Rubin potential outcomes model.