[論文レビュー] Beyond the Central Limit: Universality of the Gamma Distribution from Padé-Enhanced Large Deviations

Mario Castro, José A. Cuesta|arXiv (Cornell University)|Mar 24, 2026

Earthquake Detection and Analysis被引用数 0

ひとこと要約

ガンマ分布は正の確率変数の和のパデ-enhanced大偏差理論から出現し、中心極限定理を超えた普遍的メカニズムを提供し、正性を保つ。

ABSTRACT

The central limit theorem provides the theoretical foundation for the universality of the normal distribution: under broad conditions, the asymptotic distribution of a sum of independent random variables approaches a Gaussian. Yet, physical systems described by positive random variable -- from earthquakes to microbial growth to epidemic spreading -- consistently exhibit gamma rather than Gaussian statistics -- what leads to field-specific mechanistic explanations that are non robust to small changes in the model details. We show that gamma distributions emerge naturally from large deviation theory when Padé approximants replace polynomial expansions of the derivative of the scaled cumulant generating function, respecting positivity constraints that the central limit theorem violates. Gamma universality thus emerges as the constrained analog of Gaussian universality, providing a mechanism-free explanation for its pervasive appearance across different disciplines.

研究の動機と目的

• 正の異質的または小サンプル和に対する中心極限定理の限界を動機づける。
• 大偏差理論における尺度付き生成関数のパデ近似を導入する。
• ガンタイプの普遍的密度を導出し、それが厳密かあるいはガウス近似より優れている条件を特定する。
• 指数分布、切り捨て正規分布、一般化ガンマなどの状況を横断して実証し、畳み込みと非マルコフ動力学への拡張を論じる。

提案手法

• 制約 S_n(X)=x のラプラス変換によって分布を表す。
• スケールされたCGFを lambda_n(ξ) と定義し、その導関数に対して[0/1]パデ近似を適用する： n lambda_n'(ξ) ≈ μ_n/(1 - σ_n^2 ξ/μ_n)。
• n lambda_n(ξ) を積分して、鞍点評価によりガンマ様の密度を導出する。
• 得られた p_n^(G)(x) が次の形をとることを示す： c_n (x/μ_n)^{α_n-1} exp(-α_n x/μ_n) where α_n = μ_n^2/σ_n^2。
• 正性を主張（ξ < μ_n/σ_n^2）し、CLTと対比する；KL発散とEdgeworth様推論による精度を議論する。
• シフトガンマ、より高次のパデ（[1/1] パデ）へ拡張（シフトされたガンマの畳み込みへ）、非マルコフ動力学への拡張を提示する。

実験結果

リサーチクエスチョン

• RQ1 正の値または異質な確率変数の和に対してガンマ分布が普遍的な極限として現れるのはいつか？
• RQ2 パデ-enhanced大偏差アプローチは正規近似と比較して、様々な分布（指向性、切り捨て正規、一般化ガンマ）において精度の点でどう異なるか？
• RQ3 パデ框架はガンマ分布の畳み込みや非マルコフ合成過程に拡張できるか？
• RQ4 現実の正のデータのモデリングにおいて、正性と制約が重要な場合、このアプローチはどのような実用的指針を提供するか？

主な発見

• ガンマ密度 p_n^(G)(x) = c_n (x/μ_n)^{α_n-1} exp(-α_n x/μ_n) with α_n = μ_n^2/σ_n^2 は[0/1] パデ近似をLDT内で自然に導出する。
• 独立で非同一の指数変数の和について、変数が同一分布の指数であるときガンマ近似は厳密であり、多くのケースでKL発散において正規近似より優れている。
• 非同一の指数和、切り捨て正規和、非同一の一般化ガンマ和を横断して、ガンマ近似は実証試験で常に正規近似を上回る（KL発散が低い）。
• パデ法によって正性制約が保持され、尾部挙動をさらに改善できるシフトされたガンマ変種（例：[1/1] パデ）を生み出す。
• 畳み込みされたガンマ分布や非マルコフ動力学への拡張をこの枠組みは受け入れ、制約付き集約の一般的な方法論ツールを提供する。