[論文レビュー] Approximation of integrals over asymptotic sets with applications to probability and statistics

Philippe Barbe|arXiv (Cornell University)|Dec 5, 2003

Mathematical Approximation and Integration被引用数 12

ひとこと要約

本稿では、高次元ユークリッド空間において無限に遠ざかる集合上の積分に対して、法線流れやファイブレーションなどの幾何学的・微分幾何学的構造を活用した、新たな漸近近似法を開発する。主な貢献は、A が二次形式の等高面である場合の ∫_A f(x) dx 形式の積分に対して、密度の尾指数と集合の幾何構造（特にガウス分布の場合 α=2 における不連続性も含む）に依存する明示的な一次近似式の導出である。

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.

研究の動機と目的

• R^d において原点から漸近的に遠く離れた集合上の積分を近似する一般枠組みを構築すること。特に、標準的な数値的手法が失敗する場合を想定する。
• d ≈ 10–50 の高次元集合上で、10^{-2} から 10^{-3} のような小さな積分を計算する課題に取り組み、モンテカルロ法や数値積分法では効果が薄い状況を想定する。
• 多項式的（例：スチューデント分布）または指数的（例：ワイブル分布）な尾部を持つ密度関数を含む積分に対して、明示的な漸近展開を導出すること。特に、積分領域が二次形式の等高面である場合を対象とする。
• 尾指数 α が 2 を通過する際に t の漸近的べき乗に不連続性が生じる理由を解明すること。特にガウス分布（α=2）では、固有値依存のスケーリング行動を示す。
• 本手法を確率的ベクトル、線形形式、確率的行列、および確率過程へと拡張し、自己回帰過程や上限過程の有限標本近似を提供すること。

提案手法

• 支配的部分多様体の法線流れおよび法線ファイブレーションを用いて、等高面に沿った積分を横方向成分と接線方向成分に分解する。
• 臨界多様体の近傍における集合 A_t への距離関数の二次近似を適用し、被積分関数の局所的展開を可能にする。
• 指数写像とヤコビアン補正を用いた変数変換を実施し、積分をベース多様体上の体積要素とガウス型項の積に変換する。
• 密度の崩壊速度と集合 {x : ⟨Cx,x⟩ ≥ t} の幾何構造を分析することで、∫_{A_t} ∏ w_α(x_i) dx の漸近公式を導出。明示的なべき乗項および指数項を含む。
• 積分が集合の境界付近に局在化するスケーリング則を導入。臨界部分空間への射影と径方向変数 s を用いたパrameter化を用いる。
• ラプラス法と同次スケーリングを用いて一次項を解析し、特に α ≠ 2（べき乗則の崩壊）と α = 2（固有値に依存する指数的崩壊）の差を明確に識別する。

実験結果

リサーチクエスチョン

• RQ1 標準的な数値的手法が失敗する状況において、高次元空間で原点から遠く離れた集合上の積分をどのように近似できるか？
• RQ2 A_t = {x : ⟨Cx,x⟩ ≥ t} として、t → ∞ のとき ∫_{A_t} ∏ w_α(x_i) dx の正確な漸近的挙動は何か？ これは尾指数 α に依存する。
• RQ3 なぜ α = 2 で t の漸近的べき乗に不連続性が生じるのか？ これは C^T + C の最大固有値に対応する固有空間の次元とどのように関係するか？
• RQ4 確率的ベクトルおよび線形形式の文脈において、重尾分布（例：スチューデント分布）と軽尾分布（例：ガウス分布）の漸近的挙動はどのように異なるか？
• RQ5 本手法を確率的行列および確率過程の上限に拡張可能か？ 特に自己回帰モデルの有限標本設定において有効か？

主な発見

• α ≠ 2 の場合、t → ∞ のとき ∫_{A_t} ∏ w_α(x_i) dx ∼ c(α,d,C) e^{-t^{α/2} c_2} t^{-(α-2)d/4 - α/2} が成り立ち、t に対するべき乗則的崩壊を示す。
• α = 2（ガウス分布の場合）では、漸近的挙動は ∫_{A_t} ∏ w_2(x_i) dx ∼ c(2,d,C) e^{-t/λ_max} t^{(k-1)/2} であり、k は C^T + C の最大固有値 λ_max に対応する固有空間の次元である。
• t のべき乗項が α = 2 で不連続となるのは、k = 2 でない限りであり、これは崩壊速度における相転移を示している。
• 尾指数 α の重尾スチューデント分布に対しては、t → ∞ のとき ∫_{A_t} ∏ s_α(x_i) dx ∼ K_{s,α} α^{(α+1)/2} 2 t^{-(α+1)/2} が成り立ち、多項式的崩壊を示す。
• 本手法は確率的線形形式および確率的行列に対しても有効であり、軽尾および重尾の両状況下で、行列式およびノルムの漸近的近似を提供する。
• この枠組みにより、自己回帰過程および確率過程の上限（特に切断されたブラウン運動ブリッジや凸集合上での極座標過程を含む）の有限標本近似が得られる。