[논문 리뷰] Cram\'er-type Moderate Deviation of Normal Approximation for Exchangeable Pairs

Zhuo-Song Zhang|arXiv (Cornell University)|2019. 01. 28.

Random Matrices and Applications참고 문헌 27인용 수 4

한 줄 요약

이 논문은 교환 가능한 쌍을 사용한 스텐의 방법을 통해, 쌍의 원소들 간의 유계 차이 조건이 필요 없이 정규 근사에 대한 크래머 유형의 중간 편차 정리(모드레이트 디바이어션 정리)를 수립한다. 베르니-에세렌 유형의 부등식을 도출하고, 에르되시-레니의 무작위 그래프에서의 하위그래프 수, 국소적 의존성, 그래프 의존적 구조에 적용하여, 약한 모멘트 조건 하에서 정규 근사의 비점근적 오차 한계를 제공한다.

ABSTRACT

In Stein's method, an exchangeable pair approach is commonly used to estimate the convergence rate of normal and nonnormal approximation. Using the exchangeable pair approach, we establish a Cram\'er-type moderate deviation theorem of normal approximation for an arbitrary random variable without a bound on the difference of the exchangeable pair. A Berry--Esseen-type inequality is also obtained. The result is applied to the subgraph counts in the Erd\os--R\'enyi random graph, local dependence, and graph dependency.

연구 동기 및 목표

• 스텐의 방법에서 유계 차이 조건을 초과하여 정규 근사의 중간 편차 결과를 확장하기 위해.
• 유계 차이 조건 없이 교환 가능한 쌍에 대한 크래머 유형의 중간 편차 정리가 부족한 문제를 해결하기 위해.
• 약한 의존성 설정에서 정규 근사의 비점근적 오차 한계(베르니-에세렌 유형)를 도출하기 위해.
• 이론적 결과를 에르되시-레니 무작위 그래프에서의 하위그래프 수와 그래프 의존 모델에 적용하기 위해.
• 기존의 정규 근사 결과를 더 넓은 종류의 의존적인 랜덤 변수로 일반화하고, 최소한의 모멘트 가정으로 수행하기 위해.

제안 방법

• 교환 가능한 쌍을 사용한 스텐의 방법을 활용하여 정규 근사 오차를 분석한다.
• 교환 가능한 쌍 프레임워크를 사용하여 임의의 랜덤 변수에 대한 크래머 유형의 중간 편차 결과를 도출한다.
• 교환 가능한 쌍에서 유계 차이 조건을 가정하지 않은 베르니-에세렌 유형의 부등식을 수립한다.
• 일반적 프레임워크를 에르되시-레니 무작위 그래프에서의 하위그래프 수에 적용하여 수렴 속도를 정량화한다.
• 모멘트 조건과 마팅게일 차분 분해 기법을 활용하여 근사 오차를 제어한다.
• 그래프 의존성과 국소적 의존성의 구조를 활용하여, i.i.d. 설정을 초월한 결과를 확장한다.

실험 결과

연구 질문

• RQ1 교환 가능한 쌍에서 원소 간의 유계 차이 조건 없이 정규 근사에 대한 크래머 유형의 중간 편차 정리를 수립할 수 있는가?
• RQ2 약한 의존성 하에서 정규 근사의 중간 편차에서 수렴 속도는 어떠한가?
• RQ3 교환 가능한 쌍에서 유계 차이 조건이 없을 경우, 베르니-에세렌 유형의 한계는 어떻게 도출할 수 있는가?
• RQ4 이 프레임워크는 약한 의존성을 가진 랜덤 그래프에서의 하위그래프 수에 얼마나 광범위하게 적용될 수 있는가?
• RQ5 그래프 의존적 및 국소적으로 의존적인 모델에서 정규 근사의 비점근적 오차 한계는 무엇인가?

주요 결과

• 교환 가능한 쌍을 사용하여, 원소 간의 유계 차이 조건 없이 정규 근사에 대한 크래머 유형의 중간 편차 정리를 수립하였다.
• 최소한의 모멘트 조건 하에서 베르니-에세렌 유형의 부등식을 도출하여, 고전 결과를 약한 의존성 설정으로 확장하였다.
• 일반적인 모멘트 가정 하에서 에르되시-레니 무작위 그래프에서의 하위그래프 수에 대한 비점근적 오차 한계를 프레임워크가 제공한다.
• 이 방법은 국소적 의존성과 그래프 의존적 구조에 적용 가능하여, 복잡한 의존성 설정에서의 정규 근사에 통합된 접근법을 제공한다.
• 유계 차이 조건이 필요 없도록 하여 기존의 한계를 개선함으로써, 실제 세계의 확률 모델에 대한 적용 가능성을 높였다.
• 이론적 프레임워크는 이전에 요구되었던 것보다 더 약한 가정 하에서 중간 편차 및 중심극한정리 결과를 가능하게 하였다.