在多对数空间内基于 Kolmogorov 距离的分布同一性检验

基于摘要分析。本文研究如何利用来自未知分布 D 的样本，检验其是否等于固定参考分布 D*；当两者在指定度量下的距离至少为 ε 时，要求以常数概率拒绝同一性假设。核心贡献是针对 Kolmogorov 距离构造低空间开销的流式算法，在保持渐近最优样本复杂度的同时，将空间需求降至多对数级。 作者报告，在摘要讨论的连续分布、Kolmogorov 距离检验设定下，已有检验可使用最优的 O(1/ε²) 个样本，但朴素实现也需要 O(1/ε²) 空间，此前工作将空间降至 O(1/ε)。本文算法在流式设定下使用 O(log⁴(ε⁻¹)) 空间，同时保持渐近最优的样本数量。该结论针对特定距离与检验任务，不能直接推广为任意分布距离下的通用空间压缩结果。 作者将其与离散分布上的标准 total variation distance 检验作对照，指出后者已知无法实现这样的空间缩减；论文还提出了 9 个相关开放问题。摘要未提供实现这一空间界的具体机制，空间计量单位、参考分布的访问方式、样本假设、运行时间及证明适用范围尚未验证。 该研究的主要对象是通用统计分布检验，而非 State space models 或 EEG/BCI 解码。其低内存流式设定可能与在线信号处理存在概念联系，但当前材料不足以建立具体的 EEG 机制对应或有效性结论；已有 EEG 相关工作尚未检索确认。