[論文レビュー] An improved central limit theorem and fast convergence rates for entropic transportation costs

Eustasio del Barrio, Alberto González-Sanz+2 more|arXiv (Cornell University)|Apr 19, 2022

Economic theories and models被引用数 5

ひとこと要約

本稿は、母集団レベルのコストを中心にしたエントロピック最適輸送コストの中心極限定理を確立し、連続的な確率測度における漸近的に有効な推論を可能にする。さらに、サブガウス型およびコンパクトにサポートされた条件下での標本測度間の期待エントロピックコストの収束速度を高速化し、高次元設定における統計的効率性を向上させる。

ABSTRACT

We prove a central limit theorem for the entropic transportation cost between subgaussian probability measures, centered at the population cost. This is the first result which allows for asymptotically valid inference for entropic optimal transport between measures which are not necessarily discrete. In the compactly supported case, we complement these results with new, faster, convergence rates for the expected entropic transportation cost between empirical measures. Our proof is based on strengthening convergence results for dual solutions to the entropic optimal transport problem.

研究の動機と目的

• 連続的（非離散的）確率測度間のエントロピック最適輸送に対する漸近的に有効な推論の欠如に対処する。
• 従来の中心極限定理が期待された標本コストの周囲に中心を置いているのに対し、真の母集団コストの周囲に中心を置くという制限を克服する。
• コンパクトサポートおよびサブガウス型の仮定の下で、期待エントロピック輸送コストのより速い収束速度を確立する。
• 実用的なデータ解析におけるエントロピックコストの漸近的信頼区間を構築する理論的基盤を提供する。
• 高次元設定におけるより緊密な統計的保証を得るために、エントロピック最適輸送の双対解の収束結果を強化する。

提案手法

• サブガウス型の仮定の下で、母集団コスト $ S_{\rho}(P, Q) $ を中心とするエントロピックコスト $ S_{\rho}(P_n, Q) $ の中心極限定理を証明する。
• エントロピック最適輸送問題の双対表現を用い、双対ポテンシャル $ (f_{n,\rho}, g_{n,\rho}) $ の収束結果を強化する。
• 標本ポテンシャルに基づく分散推定器を導出し、漸近的信頼区間を構築する：$ CI^{n,m}_{\beta} = [S_{\rho}(P_n, Q_m) \pm \hat{\sigma}_{n,m} \sqrt{\frac{n+m}{nm}} z_{1-\alpha/2}] $。
• コンパクトサポートの状況において、集中不等式と双対解の安定性を用いて、$ \mathbb{E}[S_{\rho}(P_n, Q_m)] $ のより速い収束速度を確立する。
• 変数変換 $ x \mapsto \epsilon^{-1/2}x $ を適用し、バイアスの $ \epsilon $ への指数的依存性と次元の関係を分析する。
• 異なる $ n $、$ d $、$ \epsilon $ を用いたガウス測度におけるモンテカルロシミュレーションを通じて、信頼区間の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 真の母集団コストの周囲に中心を置くエントロピック最適輸送コストの中心極限定理を確立できるか？
• RQ2 コンパクトサポートおよびサブガウス型の条件下での標本測度間の期待エントロピックコストの収束速度は何か？
• RQ3 正則化パラメータ $ \epsilon $ および次元 $ d $ は、漸近的信頼区間の有限標本性能にどのように影響するか？
• RQ4 エントロピックコスト推定のバイアスが、サポート径や $ \epsilon^{-1} $ に対して指数関数的に依存する程度はどの程度か？
• RQ5 双対解の収束を強化することで、高次元設定におけるより緊密な統計的保証を得られるか？

主な発見

• 本稿は、サブガウス型測度に対して有効である、母集団コスト $ S_{\rho}(P, Q) $ を中心とするエントロピック最適輸送コストの中心極限定理を初めて確立した。
• コンパクトにサポートされた測度に対しては、期待エントロピックコストが従来の知られていたよりも速い速度で母集団コストに収束することが示され、統計的効率性が向上した。
• モンテカルロシミュレーションの結果、$ \epsilon = 0.5 $ および $ d = 15 $ の場合、$ n \geq 500 $ でない限り、提案された分散推定器に基づく信頼区間はほぼ名目水準のカバレッジ（例：約95％）を達成しないことが示され、小標本での収束が遅いことが判明した。
• 真のカバレッジ確率は、$ \epsilon $ が小さく、$ d $ が大きい場合に著しく低下し、例として $ n = 5000, d = 15, \epsilon = 0.5 $ の場合に13.4％にまで低下する。これは、有限標本バイアスが強いことを示唆している。
• バイアスがサポート径に指数関数的に依存することが示され、これは $ \epsilon^{-1} $ への指数的依存性に翻訳され、$ \epsilon $ が小さい場合の性能の悪さを説明している。
• これらの結果は、正則化なしの輸送における次元の呪いと、$ \epsilon \to 0 $ のときエントロピックポテンシャルが最適輸送のものに収束することと整合的である。