[논문 리뷰] Concentration inequalities on product spaces with applications to Markov processes

Gordon Blower, François Bolley|arXiv (Cornell University)|2005. 05. 25.

Geometric Analysis and Curvature Flows참고 문헌 16인용 수 7

한 줄 요약

이 논문은 폴리시 공간 위에서 약하게 의존하는 마르코프 과정으로부터 유도되는 제품 측도에 대해 도브루시ン–쇼슬만 유형의 결합 조건 하에서 가우시안 농도 및 운반 불등식을 수립한다. 독립 변수에 대한 고전적 결과를 의존적인 설정으로 확장하면서 농도 파라미터에 대해 명시적이고 최적 순서의 상수를 도출하며, 오르누슈타인–울렌벡 과정과 ARMA 모델에 대한 날카운 응용을 포함한다.

ABSTRACT

For a stochastic process with state space some Polish space, this paper gives sufficient conditions on the initial and conditional distributions for the joint law to satisfy Gaussian concentration inequalities, transportation inequalities and also logarithmic Sobolev inequalities in the case of the Euclidean space. In several cases, the obtained constants are of optimal order of growth with respect to the number of variables, or are independent of this number. These results extend results known for mutually independent variables to weakly dependent variables under Dobrushin-Shlosman type conditions.

연구 동기 및 목표

• 독립 랜덤 변수에 대한 가우시안 농도 불등식을 약하게 의존하는 마르코프 과정으로 확장하기.
• 공동 분포가 농도 및 운반 불등식을 만족하기 위한 초기 분포와 전이 핵심에 대한 충분조건 수립하기.
• 변수의 수에 따라 최적으로 증가하는 농도 파라미터에 대한 명시적이고 날카로운 상수 유도하기.
• 오르누슈타인–울렌벡 과정을 표준 예시로 삼아 이 상수들의 최적성을 입증하기.
• 적절한 모멘트 조건 하에서 유클리드 공간에서 로그 소볼레프 불등식으로 결과 확장하기.

제안 방법

• 전이 핵심 간의 의존도를 측정하기 위해 와서슈타인 거리 $W_1$를 사용하며, 전이 사상이 상태 공간에서 확률측도 공간으로의 $L$-립시츠 성질을 가져야 한다고 요구한다.
• 텐서화 및 체이닝 추론을 적용하여 초기 측도와 전이 핵심으로부터의 농도를 제품 공간 $X^n$ 상의 공동 분포로 전파한다.
• 칸토로비치–루빈스타인 이중성에 의해 가우시안 농도 $GC(\theta)$와 운반 불등식 $T_1(1/\theta)$ 간의 동치성을 수립한다.
• 마르코프 의존성 하에서 농도 파라미터에 대한 명시적 공식 $\kappa_n = \kappa_1 \sum_{m=1}^n \left( \sum_{k=0}^{m-1} L^k \right)^2$ 유도.
• 직접적인 지수 모멘트 계산을 통해 유도된 상수의 날카로움을 확인하기 위해 오르누슈타인–울렌벡 과정을 시험 사례로 사용한다.
• 전이 핵심에 대한 립시츠 및 농도 조건을 확인함으로써 결과를 ARMA 과정에 적용한다.

실험 결과

연구 질문

• RQ1 독립 사례를 초월해 약하게 의존하는 마르코프 과정으로의 제품 측도에 대한 농도 불등식을 확장할 수 있는가?
• RQ2 초기 분포와 전이 핵심에 어떤 조건이 있어야 공동 분포가 가우시안 농도를 만족하는가?
• RQ3 유도된 농도 상수는 변수의 수에 따라 어떻게 행동하며, 이는 최적인가?
• RQ4 결과는 어떤 정도까지 유클리드 공간에서 로그 소볼레프 불등식으로 확장되는가?
• RQ5 명시적인 확률 과정을 통해 불등식의 상수들이 최적임을 입증할 수 있는가?

주요 결과

• 시간 동질 마르코프 과정의 공동 분포 $P^{(n)}$는 $(X^n, d^{(1)})$ 상에서 $GC(\kappa_n)$를 만족하며, $\kappa_n = \kappa_1 \sum_{m=1}^n \left( \sum_{k=0}^{m-1} L^k \right)^2$ 이다. 여기서 $L$은 전이 핵심 사상의 리프시츠 상수이다.
• 오르누슈타인–울렌벡 과정의 경우, 유도된 $\kappa_n$은 직접 계산한 합 $\sum_{j=1}^n \xi_j$ 의 분산과 일치하며, 이는 유도된 경계의 최적성을 입증한다.
• 상수 $\kappa_n$은 $L \geq 1$일 때 $n$에 비례해 증가하고 ($\rho = 0$ 예시), $L < 1$일 때 유한하게 유지되며 ($\rho > 0$ 예시), 이는 실제 지수 모멘트의 증가 정도와 정확히 일치한다.
• 운반 불등식 $T_1(1/\kappa)$는 $GC(\kappa)$와 동치이며, 유도된 상수는 동일한 함수 클래스에 대해 더 나은 상수가 존재하지 않음을 의미해 날카로움을 입증한다.
• 유클리드 공간 $\mathbb{R}^m$의 경우, 모멘트 및 리프시츠 조건 하에서 공동 분포는 로그 소볼레프 불등식을 만족하며, $\theta = 1$일 땐 순서가 최적이고, $\theta > 1$일 땐 지수적으로 감소하는 상수를 가진다.
• ARMA 과정이 요구 조건을 만족함을 보여, 이 틀이 확산 과정을 초월해 적용 가능함을 입증한다.