[논문 리뷰] Strong Consistency of Frechet Sample Mean Sets for Graph-Valued Random Variables

Cedric E. Ginestet|arXiv (Cornell University)|2012. 04. 14.

Bayesian Methods and Mixture Models참고 문헌 27인용 수 14

한 줄 요약

이 논문은 분리 가능하고 유계인 가측 거리공간에서 그래프가 값으로 되는 랜덤 변수에 대해 프레셰 표본 평균 집합의 강한 일致성을 입증한다. 이는 거리의 유계성에서 유도된 균일 유계성과 균일 동등연속성에 기반한다. 쿠라트스키 외부 극한을 사용하여 거의확실 수렴에 대한 새로운 증명을 제공하며, 컴팩트성 대신 유계성을 사용함으로써 서버드루프-티그센(1981)의 결과를 일반화하고, 모든 차수의 제한 및 비제한 프레셰 평균으로 강한 대수법칙을 확장한다.

ABSTRACT

The Frechet mean or barycenter generalizes the idea of averaging in spaces where pairwise addition is not well-defined. In general metric spaces, the Frechet sample mean is not a consistent estimator of the theoretical Frechet mean. For graph-valued random variables, for instance, the Frechet sample mean may fail to converge to a unique value. Hence, it becomes necessary to consider the convergence of sequences of sets of graphs. We show that a specific type of almost sure convergence for the Frechet sample mean previously introduced by Ziezold (1977) is, in fact, equivalent to the Kuratowski outer limit of a sequence of Frechet sample means. Equipped with this outer limit, we provide a new proof of the strong consistency of the Frechet sample mean for graph-valued random variables in separable (pseudo-)metric space. Our proof strategy exploits the fact that the metric of interest is bounded, since we are considering graphs over a finite number of vertices. In this setting, we describe two strong laws of large numbers for both the restricted and unrestricted Frechet sample means of all orders, thereby generalizing a previous result, due to Sverdrup-Thygeson (1981).

연구 동기 및 목표

• 분리 가능하고 유계인 가측 거리공간에서 그래프가 값으로 되는 랜덤 변수에 대해 프레셰 표본 평균 집합의 강한 일치성을 확립한다.
• 서버드루프-티그센(1981)의 강한 대수법칙을 컴팩트성 대신 거리의 유계성으로 대체하여 일반화한다.
• 프레셰 표본 평균의 거의확실 수렴이 표본 평균 집합의 수열에 대한 쿠라트스키 외부 극한과 동치임을 보인다.
• 컴팩트성 대신 핵심 가정으로서의 역할을 하는 유계성 조건 하에서, 지수화된 점 함수의 균일 동등연속성과 유계성을 입증한다.
• 강한 대수법칙을 유계 거리공간에서 모든 차수의 제한 및 비제한 프레셰 평균으로 확장한다.

제안 방법

• 쿠라트스키 외부 극한을 사용하여 프레셰 표본 평균 집합의 거의확실 수렴을 특성화하고, Ziezold(1977)의 거의확실 수렴 기준과의 동치성을 보인다.
• 유한 정점 그래프에서 거리의 유계성을 활용하여 지수화된 점 함수의 클래스 $\mathcal{D}^r(\mathcal{X})$ 의 균일 유계성과 균일 동등연속성을 도출한다.
• 표본 위험 $T_n(\theta^*)$ 과 잔차 항 $\operatorname{TR}_n^*(\hat{\theta}_n^*)$ 에 강한 대수법칙을 적용하고, 후자를 낙폭 부등식으로 끼워넣어 거의확실 수렴을 증명한다.
• 낙폭 부등식에 기반한 증명 전략을 구축한다: $T_n(\hat{\theta}_n^*) \leq \operatorname{TR}_n^*(\hat{\theta}_n^*) \leq T_n(\theta^*) + \min_{x'} |\operatorname{TR}_n^*(x') - \operatorname{TR}_n^*(\theta^*)|$.
• 제한 프레셰 평균의 渐近 행동이 기본 측도의 지지집합과 함수 클래스의 동등연속성에 의해 결정됨을 보여준다.
• 증명에서 공리오메트릭의 일치성 조건이 필요하지 않음을 고려하여, 가측 거리공간으로 결과를 확장한다.

실험 결과

연구 질문

• RQ1 분리 가능 거리공간에서 그래프가 값으로 되는 랜덤 변수에 대해 프레셰 표본 평균 집합이 강한 일치성을 갖는 조건은 무엇인가?
• RQ2 서버드루프-티그센(1981)의 강한 대수법칙에서 컴팩트성 가정을 거리의 유계성으로 대체할 수 있는가?
• RQ3 프레셰 표본 평균의 거의확실 수렴은 표본 평균 집합의 수열에 대한 쿠라트스키 외부 극한과 동치인가?
• RQ4 거리의 유계성이 지수화된 점 함수의 클래스에 대해 균일 동등연속성과 유계성을 어떻게 유도하는가?
• RQ5 강한 대수법칙은 어떤 정도까지 유계 거리공간에서 모든 차수의 제한 및 비제한 프레셰 표본 평균으로 일반화될 수 있는가?

주요 결과

• 프레셰 표본 평균 집합의 거의확실 수렴은 표본 평균 집합의 수열에 대한 쿠라트스키 외부 극한과 동치이며, 이는 일치성의 위상적 특성화를 제공한다.
• 거리의 유계성은 지수화된 점 함수의 클래스 $\mathcal{D}^r(\mathcal{X})$ 에 대해 균일 유계성과 균일 동등연속성을 유도하며, 이는 컴팩트성 대신 핵심 가정이 된다.
• 제한 프레셰 평균의 강한 일치성 증명은 $\mathcal{D}^r(\mathcal{X})$ 의 균일 동등연속성에 의존하며, 이는 컴팩트성 대신 유계성 조건 하에서 보장된다.
• 비제한 프레셰 표본 평균은 유계성 조건 하에서 이론적 프레셰 평균으로 거의확실하게 수렴하며, 잔차 위험에 대한 낙폭 부등식을 통해 수렴이 확립된다.
• 결과는 제한 및 비제한 프레셰 표본 평균의 모든 차수에 대해 적용되며, 컴팩트 공간을 초월하여 서버드루프-티그센(1981)의 결과를 일반화한다.
• 공리오메트릭의 일치성 조건이 증명에서 사용되지 않음을 감안할 때, 결과는 유계 가측 거리공간으로 확장 가능하며, 이는 더 완화된 거리 조건 하에서도 유효성을 유지한다.