相关网络值过程的集中不等式及其在社区估计与变点分析中的应用

网络值时间序列目前是一种常见的网络数据形式。然而，对于由网络值随机过程生成的网络序列的聚合行为的研究相对较少。现有研究大多聚焦于简单设定，即网络在不同时刻相互独立（或条件独立），且所有边在每个时间步同步更新。本文研究由惰性网络值随机过程生成的网络序列所对应的聚合邻接矩阵及相应拉普拉斯矩阵的集中性质，其中边异步更新，且每条边的更新遵循独立于其他边的惰性随机过程。我们展示了这些集中结果在证明社区估计与变点估计问题中标准估计量一致性方面的用处。我们还进行了模拟研究，以展示控制时间相关程度的惰性参数对社区与变点估计精度的影响。