[論文レビュー] Two-sided inequalities for the density function's maximum of weighted sum of chi-square variables

Sergey G. Bobkov, Alexey Naumov+1 more|arXiv (Cornell University)|Dec 19, 2020

Point processes and geometric inequalities参考文献 8被引用数 4

ひとこと要約

本稿は、中心および非中心のカイ二乗変数の重み付き和の確率密度関数の最大値について、鋭い両側境界を確立する。特性関数解析と逆変換技術を用いて、密度関数の上界と下界が、絶対定数を伴う $(A_1A_2)^{-1/4}$ に比例することを証明する。ここで $A_1 = \sum \lambda_k^2$ および $A_2 = \sum_{k\geq 2} \lambda_k^2$ であり、絶対定数は明示的に特定されている。

ABSTRACT

Two--sided bounds are constructed for a probability density function of a weighted sum of chi-square variables. Both cases of central and non-central chi-square variables are considered. The upper and lower bounds have the same dependence on the parameters of the sum and differ only in absolute constants. The estimates obtained will be useful, in particular, when comparing two Gaussian random elements in a Hilbert space and in multidimensional central limit theorems, including the infinite-dimensional case.

研究の動機と目的

• 非中心カイ二乗変数の重み付き和の密度最大値に対する下界を提供することで、文献におけるギャップを埋める。
• 重み付きカイ二乗変数の和の密度関数のノルムの上界と下界を、次元に依存しない形で確立する。
• ガウス分布比較問題および高次元中心極限定理における既存の上界を、タイトで一様な推定により改善する。
• 特に最大固有値が優勢でない場合に、非中心シフト下での密度最大値の挙動を分析する。

提案手法

• フーリエ逆変換公式と特性関数の減衰推定を用いて上界を導出する。
• 濃度および対称性の議論を用いて、正の測度を持つ集合で密度が下から抑えられることを確立することで、下界を構築する。
• 特性関数にジェンセンの不等式を適用し、尾領域における減衰を制御する。
• 固有値に関する制約の下で対数関数の単調性を用いて、対数特性関数の最小化を行う。
• 特性関数の積分を低周波数領域および高周波数領域に分解する。
• 異なる周波数帯域からの境界を組み合わせることで、密度関数のノルムの均一な推定を得る。

実験結果

リサーチクエスチョン

• RQ1 重み付きカイ二乗変数の和の密度関数の最大値について、鋭い両側境界は何か？
• RQ2 非中心の場合、特に最大固有値が優勢でない場合、これらの境界はどのように振る舞うか？
• RQ3 密度最大値の既存の上界が、絶対定数の範囲内で最適であることが示せるか？
• RQ4 核ノルムおよび固有値構造が境界の鋭さに果たす役割は何か？
• RQ5 有限次元近似を介して、無限次元ヒルベルト空間設定への境界の拡張はどのように行われるか？

主な発見

• 中心カイ二乗和に関しては、$ c_0 (A_1 A_2)^{-1/4} \leq M(W_0) \leq c_1 (A_1 A_2)^{-1/4} $ が成り立ち、$ c_0 > 0.013 $、$ c_1 < 1.129 $、$ A_1 = \sum \lambda_k^2 $、$ A_2 = \sum_{k\geq 2} \lambda_k^2 $ である。
• 非中心和に関しては、$ \lambda_1^2 \leq A_1 / 3 $ の条件下で、$ \frac{1}{4\sqrt{3}} (A_1 + B_1)^{-1/2} \leq M(W_a) \leq \frac{2}{\sqrt{A_1 + B_1}} $ が成り立ち、ここで $ B_1 = \sum \lambda_k^2 a_k^2 $ である。
• 密度最大値 $ M(W_a) $ の下界は、$ \lambda_1^2 $ に関するいかなる制約もなしに成立し、推定の頑健性を示している。
• 境界は次元に依存せず、固有値およびシフトパラメータにのみ依存するため、高次元および無限次元への応用に適している。
• 結果は、[1]における上界の最適性を確認しており、下界からも同程度のオーダーが達成されることを示している。
• 証明技法により、カルバック・ライブラー距離やピンスカーパ型不等式に依存しない、[1]における上界の新たな自己完結的導出が可能である。