[논문 리뷰] Approximation of integrals over asymptotic sets with applications to probability and statistics

Philippe Barbe|arXiv (Cornell University)|2003. 12. 05.

Mathematical Approximation and Integration인용 수 12

한 줄 요약

이 논문은 고차원 유클리드 공간에서 무한히 떨어지는 집합 위의 적분을 위한 새로운 渐近적 근사 방법을 개발한다. 기하학적 및 미분기하학적 구조(예: 법선 흐름, 층상 구조)를 활용하며, 주요 기여는 이차형식의 수준집합인 A일 때 ∫_A f(x) dx 형태의 적분에 대해 정확한 渐近적 공식을 도출한 것이다. 이 공식은 밀도의 尾지수와 집합의 기하학적 성질(불연속성 포함, 특히 정규분포의 경우 α=2)에 따라 명시적인 주요 항의 행동을 보여준다.

ABSTRACT

In this monograph, we prove an asymptotic approximation for integrals of probability densities over sets in finite dimensional euclidean space, which are far away from the origin (asymptotic sets). We use this approximation to investigate tails of quadratic forms of random vectors, supremum of random linear forms among others. Applications to the study of finite size random matrices, finite sample statistics of autoregressive processes, and supremum of some stochastic processes.

연구 동기 및 목표

• R^d에서 원점으로부터 渐진적으로 멀리 떨어진 집합 위의 적분을 근사화하는 일반적 프레임워크를 개발하기 위해.
• 표준 수치적 방법이 실패하는 상황에서 고차원 집합(d ≈ 10–50)에서 작은 적분(예: 10^{-2}에서 10^{-3})을 계산하는 데 도전하기 위해.
• 다항식(예: 스튀던트) 또는 지수형(예: Weibull) 꼬리를 가진 밀도를 포함하는 적분에 대해 정밀한 渐近적 전개를 유도하기 위해, 특히 도메인이 이차형식의 수준집합일 경우.
• 꼬리 지수 α가 2를 가로질러 갈 때 t의 渐近적 거듭제곱이 불연속적으로 나타나는 이유를 분석하기 위해, 특히 정규분포의 경우(α=2)에서 다른 척도 행동을 보이는 경우.
• 이 방법을 랜덤 벡터, 선형 형식, 랜덤 행렬, 그리고 확률 과정으로 확장하여, 자기상관 모델 및 최대값 과정에 대한 유한표본 근사 제공하기 위해.

제안 방법

• 지배하는 부분다양체의 법선 흐름과 법선 층상 구조를 이용하여, 수준집합에 대해 수직 및 접선 성분으로 적분을 분해한다.
• 비판적 다양체 근처에서 집합 A_t의 거리 함수에 대한 이차 근사를 적용하여 integrand의 국소 전개를 가능하게 한다.
• 지오데식적 지도와 자코비안 보정을 통한 변수변환을 활용하여, 적분을 기본 다각형 위의 체적 요소와 유사한 가우시안 항의 곱으로 변환한다.
• 밀도의 감쇠 속도와 집합 {x : ⟨Cx,x⟩ ≥ t}의 기하학적 성질을 분석함으로써, ∫_{A_t} ∏ w_α(x_i) dx에 대한 渐近적 공식을 도출한다. 이는 명시적인 거듭제곱 및 지수 항을 포함한다.
• 적분이 집합의 경계 근처에 국소화되도록 하는 스케일링 체계를 도입하며, 이는 비판적 부분공간에 대한 투영과 반경 변수 s를 포함한 매개변수화 방식을 사용한다.
• 라플라스 방법과 동차 스케일링을 활용하여 주요 항을 분석하며, 특히 α ≠ 2(다항식 감쇠)와 α = 2(고유값에 의존하는 지수 감쇠)의 경우를 구분한다.

실험 결과

연구 질문

• RQ1 표준 수치적 방법이 실패하는 상황에서 고차원 공간에서 원점으로부터 멀리 떨어진 집합 위의 적분은 어떻게 근사할 수 있는가?
• RQ2 t → ∞일 때, A_t = {x : ⟨Cx,x⟩ ≥ t}인 ∫_{A_t} ∏ w_α(x_i) dx의 정밀한 渐近적 행동은 꼬리 지수 α에 따라 어떻게 달라지는가?
• RQ3 왜 t의 渐近적 거듭제곱이 α = 2에서 불연속성을 보이며, 이는 C^T + C의 가장 큰 고유값에 대응하는 고유공간의 차원과 어떻게 관련이 있는가?
• RQ4 랜덤 벡터와 선형 형식의 맥락에서, 중량 꼬리(예: 스튀던트)와 경량 꼬리(예: 정규분포) 분포의 경우 asymptotics는 어떻게 다를까?
• RQ5 이 방법은 랜덤 행렬과 확률 과정의 최대값으로까지 확장 가능할까? 특히 자기상관 모델의 유한표본 설정에서 어떻게 적용될 수 있는가?

주요 결과

• α ≠ 2일 경우, t → ∞일 때 ∫_{A_t} ∏ w_α(x_i) dx ∼ c(α,d,C) e^{-t^{α/2} c_2} t^{-(α-2)d/4 - α/2} 로서, t에 대한 다항식 감쇠를 보인다.
• α = 2(정규분포의 경우)일 때, 渐近적 행동은 ∫_{A_t} ∏ w_2(x_i) dx ∼ c(2,d,C) e^{-t/λ_max} t^{(k-1)/2} 로서, k는 C^T + C의 가장 큰 고유값 λ_max에 대응하는 고유공간의 차원이다.
• t의 거듭제곱 항이 α = 2에서 불연속적이며, 이는 감쇠 속도의 계단적 전이를 나타내며, k = 2일 경우에만 연속성이 유지된다.
• 꼬리 지수 α를 가진 중량 꼬리 스튀던트 분포의 경우, t → ∞일 때 ∫_{A_t} ∏ s_α(x_i) dx ∼ K_{s,α} α^{(α+1)/2} 2 t^{-(α+1)/2} 로서 다항식 감쇠를 보인다.
• 이 방법은 랜덤 선형 형식과 랜덤 행렬을 효과적으로 처리하며, 경량 및 중량 꼬리 하에서 행렬의 행렬식과 노름에 대한 渐近적 근사 제공.
• 이 프레임워크는 자기상관 과정과 확률 과정의 최대값에 대한 유한표본 근사 제공 가능하며, 특히 잘린 브라운 운동 브리지와 볼록집합 위의 극좌표 과정을 포함한다.