Makalah ini menganalisis efisiensi statistik dari pembelajaran penguatan distribusi berbasis kuantil, khususnya berfokus pada evaluasi kebijakan distribusi untuk mengkarakterisasi distribusi pengembalian.
- Penulis membangun estimator berdasarkan proses keputusan Markov empiris dengan asumsi akses ke model generatif.
- Mereka menetapkan batas kesalahan non-asimtotik di bawah metrik supremum W_infinity, menunjukkan bahwa kesalahan estimasi berskala sebagai O(sqrt(m/n)).
- Studi ini menurunkan distribusi asimtotik parameter kuantil dan mengkarakterisasi batas efisiensi semiparametrik yang dicapai oleh estimator.
- Dalam rezim kuantil yang divergen, struktur kovarians limit cocok dengan batas efisiensi semiparametrik dari model nonparametrik.
- Teorema Berry-Esseen ditetapkan untuk fungsional halus untuk memberikan dasar bagi inferensi yang valid secara statistik.
Karya ini menunjukkan bahwa estimator berbasis kuantil mencapai tingkat konvergensi parametrik optimal dan tetap efisien asimtotik dalam batas berdimensi tak hingga.