[論文レビュー] Cones in homotopy probability theory

Drummond-Cole, Gabriel C., John Terilla|arXiv (Cornell University)|Oct 20, 2014

Homotopy and Cohomology in Algebraic Topology参考文献 4被引用数 3

ひとこと要約

この論文は、ホモトピー確率論におけるコーンを、通常の確率空間のホモトピー的置換として導入し、すべての期待値と相関をチェーン複体内の微分を通して符号化する。ホモトピー正規分布が通常の正規分布の代数的コーンであることが示され、クasi-isomorphismと$L_\infty$ホモトピーを用いたホモロジー的計算によりモーメントとコマーレントが得られる。

ABSTRACT

This note defines cones in homotopy probability theory and demonstrates that a cone over a space is a reasonable replacement for the space. The homotopy Gaussian distribution in one variable is revisited as a cone on the ordinary Gaussian.

研究の動機と目的

• 確率空間の代わりに、確率変数が微分作用を持つチェーン複体をなすホモトピー確率空間を導入することで、通常の確率論を一般化すること。
• 期待値が代数的マップでない、および微分が導分でないという問題を、$L_\infty$代数とコマーレント写像を用いて解決すること。
• ホモトピー確率空間上のコーンを定義・構成し、すべての確率的関係（モーメントや相関を含む）を微分構造に符号化する方法を提供すること。
• ホモトピー正規分布が、通常の正規分布のコーンとして自然に生じることを示し、期待値のホモロジー的計算を可能にすること。
• 同一のコマーレントを持つホモトピー確率変数は$L_\infty$ホモトープであることを確立し、コマーレントによるホモトピー的同一視基準を提供すること。

提案手法

• 確率における乗法的単位元$1$を表現するため、単位写像$\upsilon: \mathbb{C} \to V$を備えたポイント付きチェーン複体を定義する。
• 結合的かつ可換なグレーディング付き可換積と、チェーン写像としての期待値$e: V \to \mathbb{C}$を持つ、ユニタルな可換ホモトピー確率空間を導入する。
• 期待値写像を包含写像とクasi-isomorphismの合成に分解し、コーンを構成することで、すべての確率的データを微分に符号化する。
• アーベルリー代数作用のシェバリィ＝エイレンベルク複体を用いて、ホモトピー正規分布を通常の正規分布のコーンとして実現する。
• コマーレント写像$\varphi$とその逆写像を用い、$dy_n = x^n - E(x^n)$によりホモトピー作用素$h(r)$を定義することで、明示的なホモトピーを構成する。
• 補間と正確性を組み合わせることで、同一のコマーレントを持つホモトピー確率変数間の$L_\infty$ホモトピー$\Lambda_n$を定義し、$d(h(r)) = r(x)$によりコマーレントと整合性を保証する。

実験結果

リサーチクエスチョン

• RQ1 ホモトピー確率論は、モーメントやコマーレントといった確率的不変量を保存しつつ、通常の確率空間をどのように置き換えることができるか？
• RQ2 期待値が代数的マップでない場合、微分が相関やモーメントをどのように符号化するか？
• RQ3 ホモトピー正規分布は通常の正規分布のコーンとして理解できるか？ もしそうならば、この構成は計算にどのように寄与するか？
• RQ4 2つのホモトピー確率変数が$L_\infty$ホモトープであるための条件は何か？ そして、コマーレントによる同一視にどのような意味を持つのか？
• RQ5 高次コマーレントとシェバリィ＝エイレンベルク複体の構造は、ホモトピー確率論におけるコーン構成とどのように関係するか？

主な発見

• ホモトピー正規分布は、アーベルリー代数作用の作用を通じて、すべてのモーメントとコマーレントを微分に符号化することで、通常の正規分布の代数的コーンである。
• 微分は$dy_n = x^n - E(x^n)$を満たし、$d$の像が中心化多項式の空間を生成することを示し、閉じた要素の正確性を保証する。
• 2つのホモトピー確率変数が次数$n$まで同一のコマーレントを持つ場合、それらの$n$次モーメントは等しくなる：$e(p^n) = e(q^n)$。これは写像の合成$\varphi\kappa$により示される。
• 期待値が$0$である任意の閉じた要素$r(x)$は正確であり、$r(x) = \sum a_i (x^i - E(x^i))$と書ける。このとき、$d(h(r)) = r(x)$を満たす標準的ホモトピー$h(r) = \sum a_i y_i$が存在する。
• 同一のコマーレントを持つホモトピー確率変数$X$と$Y$の間には、補間とホモトピー作用素を用いて$L_\infty$ホモトピー$\Lambda_n$が構成され、コマーレントによる同一視が証明される。
• ホモトピー同値性は拡張において同一視性を保存しない：2つのホモトピー同値な変数は、より大きな集合に埋め込まれた場合に区別可能になることがある。例として、$X(1) = x$、$Y(1) = -x$はホモトープであるが、$\overline{X}$と$\overline{Y}$は2次コマーレントによって区別可能である。