[論文レビュー] Limit theory for geometric statistics of clustering point processes.

Bartłomiej Błaszczyszyn, D. Yogeshwaran+1 more|arXiv (Cornell University)|Jun 13, 2016

Random Matrices and Applications被引用数 8

ひとこと要約

本稿は、因子モーメント展開を用いてU統計量と確率測度を分析することにより、因子的点過程（行列式および恒等的点過程を含む）の幾何的統計量の極限定理を確立する。期待値および分散の漸近的性質、およびクリーク数や内接体積などの非線形幾何的統計量に対する中心極限定理を証明し、従来の線形統計量にとどまらない非線形関数への拡張を実現する。

ABSTRACT

Let $\mathcal{P}$ be a simple, stationary, clustering point process on $\mathbb{R}^d$ in the sense that its correlation functions factorize up to an additive error decaying exponentially fast with the separation distance. Let $\mathcal{P}_n:= \mathcal{P} \cap W_n$ be its restriction to windows $W_n := [- \frac{n^{1/d}}{2}, \frac{n^{1/d}}{2}]^d \subset \mathbb{R}^d$. We consider the statistic $H_n^\xi:= \sum_{x \in \mathcal{P}_n} \xi(x, \mathcal{P}_n)$ where $\xi(x, \mathcal{P}_n)$ denotes a score function representing the interaction of $x$ with respect to $\mathcal{P}_n$. When $\xi$ depends on local data in the sense that its radius of stabilization has an exponential tail, we establish expectation asymptotics, variance asymptotics, and central limit theorems for $H_n^\xi$ and, more generally, for statistics of the random measures $\mu_n^{\xi} := \sum_{x \in \mathcal{P}_n} \xi(x, \mathcal{P}_n) \delta_{n^{-1/d} x},$ as $W_n \uparrow \mathbb{R}^d$. This gives the limit theory for non-linear geometric statistics (such as clique counts, the number of Morse critical points, intrinsic volumes of the Boolean model, and total edge length of the $k$-nearest neighbor graph) of determinantal point processes with fast decreasing kernels, including the $\alpha$-Ginibre ensembles, extending the Gaussian fluctuation results of Soshnikov [67] to non-linear statistics. It also gives the limit theory for geometric U-statistics of permanental point processes as well as the zero set of Gaussian entire functions, extending the central limit theorems of Nazarov and Sodin [50], which are also confined to linear statistics. The proof of the central limit theorem relies on a factorial moment expansion originating in [10,11] to show clustering of mixed moments of $\xi$. Clustering extends the cumulant method to the setting of purely atomic random measures, yielding the asymptotic normality of $\mu_n^{\xi}$.

研究の動機と目的

• 相関関数が急速に減衰するクラスタリング点過程の幾何的統計量の極限定理を構築すること。
• 行列式および恒等的点過程の非線形幾何的U統計量へ、線形統計量を超えた中心極限定理を拡張すること。
• 安定化条件の下でスコア関数に関連する確率測度の漸近的挙動を分析すること。
• SoshnikovおよびNazarov–Sodinのガウス型フラクチュエーションに関する結果を非線形関数へ一般化すること。
• スコア関数の混合モーメントのクラスタリングを用いて、幾何的統計量の漸近的正規性を確立すること。

提案手法

• $\mathbb{R}^d$ 上の単純で定常的かつクラスタリングする点過程をモデル化し、相関関数が指数的に減衰する誤差を除いて因数分解可能であると仮定する。
• 窓 $W_n = [-n^{1/d}/2, n^{1/d}/2]^d$ に過程を制限し、局所的スコア関数を用いて統計量 $H_n^\xi = \sum_{x \in \mathcal{P}_n} \xi(x, \mathcal{P}_n)$ を定義する。
• スコア関数 $\xi$ の安定化半径が指数的尾を有すると仮定し、局所的依存性を保証する。
• 文献[10,11]の因子モーメント展開を用いて混合モーメントを分析し、累積量のクラスタリングを証明する。
• $H_n^\xi$ およびスケーリングされた確率測度 $\mu_n^\xi = \sum_{x \in \mathcal{P}_n} \xi(x, \mathcal{P}_n) \delta_{n^{-1/d}x}$ の期待値および分散の漸近的性質を導出する。
• モーメントのクラスタリングを用いて累積量法を純粋に原子的確率測度へ拡張し、$\mu_n^\xi$ の漸近的正規性を確立する。

実験結果

リサーチクエスチョン

• RQ1 相関関数が急速に減衰するクラスタリング点過程における幾何的U統計量の漸近的モーメント（期待値および分散）は何か？
• RQ2 行列式および恒等的点過程における非線形幾何的統計量（例：クリーク数や内接体積）に対して中心極限定理は成立するか？
• RQ3 局所的スコア関数から生じる純粋に原子的確率測度に対する累積量法を拡張できるか？
• RQ4 行列式点過程、恒等的点過程、およびガウス整関数の零点集合の間で、幾何的統計量の極限定理はどのように異なるか？
• RQ5 漸近的正規性に必要なモーメントのクラスタリングを保証するスコア関数の条件は何か？

主な発見

• 本稿は、スコア関数 $\xi$ に対する安定化条件の下で、$H_n^\xi$ の期待値および分散の明確な漸近展開を確立する。
• スケーリングされた確率測度 $\mu_n^\xi$ に対して中心極限定理を証明し、弱い依存性のもとで幾何的統計量の漸近的正規性を示す。
• 結果は、$\alpha$-Ginibre過程における線形統計量のSoshnikovのガウス型フラクチュエーション結果を、全エッジ長が$k$-近傍グラフに属するような非線形関数へ拡張する。
• 因子モーメント展開を用いた混合モーメントのクラスタリングにより、幾何的統計量における極限定理の一般枠組みを提供する。
• 理論は、急速に減少するカーネルを有する行列式点過程、恒等的過程、およびガウス整関数の零点集合に適用可能である。
• 中心極限定理は、モーメントのクラスタリングを用いて累積量法を原子的測度へ拡張することで得られ、本研究の新技術的貢献である。