Математика > Вероятность [представлена 30 июня 2026 (v1), последнее пересмотренное 16 сентября 2026 года (этот вариант, v2)) Название: Слияние и максимальное неравенство для граф-депендентных Эмпирических процессов Вид PDF HTML (экспериментальное) резюме: Мы развиваем максимальное неравенство эмпирических процессов, индексируемых на основе наблюдений с помощью графиков. Наши границы делят сложность класса индексации с двумя особенностями, характерными для зависимости от графиков: геометрия лежащего в основе графа и стоимость соединительных графовых блоков на независимые копии. Сцепное устройство сочетает новый индекс зависимости от графика с окраской блок-раздела. В качестве приложения мы получаем результаты Гливенко - Кантелли и характеризуем соответствующий эффективный размер выборки. Главный вывод заключается в том, что эмпирические процессы, зависящие от графиков, не обязательно должны иметь общую скорость корня/в долл. США: конвергенция определяется совместно сложностью класса функции, геометрией графа и распадом зависимости от дистанции графика. Мы специализируем результаты на графиках с полиномическим и экспоненциальном ростом, а также на диадических графиках. Наконец, мы применяем результаты в отношении сетевых авторегрессивных моделей, нелинейных местных моделей распространения и условий лечения-вмешательства. История представления с: Demian Pouzo [видение электронной почты] [v1] Tue, 30 июня 2026 16:42:30 UTC (63 KB) [ v2] Wed, 16 Sep 2026 01:10:23 UTK (72 KB).…
Совпадение и максимальное неравенство для эмпирических процессов граф-отверженных
arXiv:2606.31936v2 Annuales Type: заменить перекрестное резюме: мы развиваем максимальное неравенство для эмпирических процессов, индексируемых с помощью наблюдений на графике. Наши границы делят сложность класса индексации с двумя особенностями, характерными для зависимости от графиков: геометрия лежащего в основе графа и стоимость соединительных графовых блоков на независимые копии. Сцепное устройство сочетает новый индекс зависимости от графика с окраской блок-раздела. В качестве приложения мы получаем результаты Гливенко - Кантелли и характеризуем соответствующий эффективный размер выборки. Главный вывод заключается в том, что эмпирические процессы, зависящие от графиков, не обязательно должны иметь общую скорость корня/в долл. США: конвергенция определяется совместно сложностью класса функции, геометрией графа и распадом зависимости от дистанции графика. Мы специализируем результаты на графиках с полиномическим и экспоненциальном ростом, а также на диадических графиках. Наконец, мы применяем результаты в сетевом режиме авторегрессии