핵심 개념
P와 Q의 분리를 측정하는 것은 m ≍ 1/ε²만큼의 샘플이 필요하다.
초록
소개
LFI(Likelihood-free inference)의 등장
Higgs 보존자의 발견
샘플 복잡성, 비모수 클래스 및 테스트
통계학의 다섯 가지 기본 문제
네 가지 분포 클래스 소개
LFHT(Likelihood-free hypothesis testing)를 위한 테스트
결과
일반적인 축소
LFHT의 샘플 복잡성
L2-강건한 LFHT
총 변동 이상
주요 결과의 스케치 증명
Theorems 1 to 4에 대한 상한
Theorems 1 to 4에 대한 하한
열린 문제
샘플 복잡성과 실제 데이터 크기 간의 교환
분포 클래스에 대한 최적의 샘플 복잡성
LFHT의 실제 응용 가능성
통계
P와 Q의 분리를 측정하는 것은 m ≍ 1/ε²만큼의 샘플이 필요하다.
LFHT의 샘플 복잡성은 모든 "정규" 설정에서 n과 m의 상수에 대해 최적이다.
인용구
"P와 Q의 분리를 측정하는 것은 m ≍ 1/ε²만큼의 샘플이 필요하다."
"LFHT의 샘플 복잡성은 모든 '정규' 설정에서 n과 m의 상수에 대해 최적이다."