यह लेख क्वांटाइल-आधारित वितरण प्रबल सीखने की सांख्यिकीय दक्षता का विश्लेषण करता है, विशेष रूप से रिटर्न वितरण को अभिलक्षित करने के लिए वितरण नीति मूल्यांकन पर केंद्रित है।
- लेखक एक जनरेटिव मॉडल तक पहुंच मानते हुए एक अनुभवजन्य मार्कोव निर्णय प्रक्रिया पर आधारित एक अनुमानक बनाते हैं।
- वे सुप्रीमम W_infinity मेट्रिक के तहत एक गैर-असिम्प्टोटिक त्रुटि सीमा स्थापित करते हैं, जो दिखाती है कि अनुमान त्रुटि O(sqrt(m/n)) के रूप में स्केल होती है।
- अध्ययन क्वांटाइल पैरामीटर की असिम्प्टोटिक वितरण व्युत्पन्न करता है और उस अनुमानक द्वारा प्राप्त अर्ध-पैरामीट्रिक दक्षता सीमा को अभिलक्षित करता है।
- विचलित क्वांटाइल शासन में, सीमा सहप्रसरण संरचना गैर-पैरामीट्रिक मॉडल की अर्ध-पैरामीट्रिक दक्षता सीमा से मेल खाती है।
- सांख्यिकीय रूप से वैध अनुमान के लिए आधार प्रदान करने के लिए चिकने फंक्शनल्स के लिए एक बेरी-एसेन प्रमेय स्थापित किया गया है।
कार्य यह दर्शाता है कि क्वांटाइल-आधारित अनुमानक इष्टतम पैरामीट्रिक अभिसरण दरों को प्राप्त करते हैं और अनंत-आयामी सीमाओं में अсим्प्टोटिक रूप से दक्ष रहते हैं।