In Siotani & Fujikoshi (1984), a precise local limit theorem for the multinomial distribution is derived by inverting the Fourier transform, where the error terms are explicit up to order $N^{-1}$. In this paper, we give an alternative (conceptually simpler) proof based on Stirling's formula and a careful handling of Taylor expansions, and we show how the result can be used to approximate multinomial probabilities on most subsets of $\mathbb{R}^d$. Furthermore, we discuss a recent application of the result to obtain asymptotic properties of Bernstein estimators on the simplex, we improve the main result in Carter (2002) on the Le Cam distance bound between multinomial and multivariate normal experiments while simultaneously simplifying the proof, and we mention another potential application related to finely tuned continuity corrections.


翻译:在Siotani & Fujikoshi(1984年)中,通过反转Fourier变换,得出了多元分配的确切本地限值,其中错误术语的清晰度最高为$N ⁇ -1}美元。在本文中,我们根据Stirling的公式和对泰勒扩张的仔细处理,给出了另一种(概念上更简单的)证据,我们展示了结果如何用于在大部分子集($\mathbb{R ⁇ d$)上大致接近多位概率。此外,我们讨论了最近对结果的应用,以获得Bernstein估测器在简单x上的无症状特性,我们改进了卡特(2002年)关于多位数和多变数正常实验之间距离的主要结果,同时简化了证据,我们提到了另一个与微调的连续性校正相关的潜在应用。

0
下载
关闭预览

相关内容

【伯克利-Ke Li】学习优化,74页ppt,Learning to Optimize
专知会员服务
40+阅读 · 2020年7月23日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Arxiv
0+阅读 · 2021年5月18日
Arxiv
0+阅读 · 2021年5月17日
Arxiv
0+阅读 · 2021年5月17日
Arxiv
0+阅读 · 2021年5月17日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员