[论文解读] Deviation bounds for additive functionals of Markov process

Patrick Cattiaux, Arnaud Guillin|ArXiv.org|Mar 1, 2006

Markov Chains and Monte Carlo Methods参考文献 16被引用 12

一句话总结

本文为遍历的、平稳的马尔可夫过程的加性泛函建立了非渐近偏差界，利用诸如 Poincaré 不等式和对数 Sobolev 不等式等功能不等式来控制该加性泛函的 Laplace 变换。关键结果给出了形式为 $ \mathbb{P}_{\nu}\left(\left|\frac{1}{t}\int_0^t V(X_s)ds - \int Vd\mu\right| \geq R\right) \leq \left\|\frac{d\nu}{d\mu}\right\|_{L^2(\mu)} \exp\left(-\frac{tR^2}{8C_P \text{Var}_\mu(V)}\right) $ 的高斯型尾部界，该界在不变测度 $\mu$ 满足 Poincaré 不等式假设下成立。该界为非渐近界，且在大 $t$ 极限下是精确的。

ABSTRACT

In this paper we derive non asymptotic deviation bounds for $$¶_ν(|\frac 1t \int_0^t V(X_s) ds - \int V dμ| \geq R)$$ where $X$ is a $μ$ stationary and ergodic Markov process and $V$ is some $μ$ integrable function. These bounds are obtained under various moments assumptions for $V$, and various regularity assumptions for $μ$. Regularity means here that $μ$ may satisfy various functional inequalities (F-Sobolev, generalized Poincaré etc...).

研究动机与目标

• 推导连续时间、遍历马尔可夫过程中加性泛函时间平均值与平衡均值之间偏差的非渐近上界。
• 刻画这些界对初始分布 $\nu$、函数 $V$ 和不变测度 $\mu$ 的依赖关系。
• 建立偏差概率随时间 $t$ 指数衰减的条件，利用诸如 Poincaré 和对数 Sobolev 等功能不等式。

提出的方法

• 该方法依赖于通过 Feynman-Kac 半群和马尔可夫过程的生成元 $L$ 来控制加性泛函的 Laplace 变换。
• 关键量 $\Lambda(V) = \sup_{f \in D(L), \|f\|_{L^2(\mu)}=1} \left\{ \int V f^2 d\mu + \langle Lf, f \rangle_\mu \right\}$ 通过 $\mu$ 上的功能不等式进行有界。
• 在 Poincaré 情况下，推导出界 $\Lambda(\lambda V) \leq \frac{\lambda^2 \text{Var}_\mu(V)}{G_P - \lambda}$，其中 $G_P = 1/C_P$，$C_P$ 为 Poincaré 常数。
• 通过 Legendre 变换 $I_V(R) = \sup_{\lambda \geq 0} \{ \lambda R - \Lambda(\lambda V) \}$ 控制偏差概率，从而得到高斯尾部界。
• 该方法通过时间反转和相对熵论证，被推广至对称和超收缩半群。
• 对于非绝对连续的初始测度，通过过渡核密度有界性对方法进行调整，证明在 $U$ 上梯度和拉普拉斯控制下，$h_t^x \in L^2(\mu)$。

实验结果

研究问题

• RQ1 在何种条件下，可为平稳、遍历马尔可夫过程的加性泛函获得非渐近偏差界？
• RQ2 对初始测度 $\nu$（通过 $\|d\nu/d\mu\|_{L^2(\mu)}$ 表示）的依赖关系如何影响尾部衰减速率？
• RQ3 能否利用不变测度 $\mu$ 上的功能不等式（如 Poincaré、对数 Sobolev）推导出显式、定量的偏差界？
• RQ4 所得界与大偏差理论和谱论之间的精确性如何？
• RQ5 该方法如何推广至相对于 $\mu$ 不绝对连续的初始测度 $\nu$？

主要发现

• 在 Poincaré 不等式常数为 $C_P$ 的假设下，偏差概率满足 $ \mathbb{P}_{\nu}\left(\left|\frac{1}{t}\int_0^t V(X_s)ds - \int Vd\mu\right| \geq R\right) \leq \left\|\frac{d\nu}{d\mu}\right\|_{L^2(\mu)} \exp\left(-\frac{tR^2}{8C_P \text{Var}_\mu(V)}\right) $，对所有 $t > 0$ 和 $0 < R \leq 1$ 成立，假设 $\sup|V| = 1$ 且 $\int V d\mu = 0$。
• 该界在渐近意义下是精确的，与大偏差率和谱隙预测一致。
• 该方法提供了逆向结果：若对所有小 $\lambda$，有 $\Lambda(\lambda V) \leq C\lambda^2$ 一致成立，则 $\mu$ 满足 Poincaré 不等式。
• 对于对称半群，通过时间反转和超收缩性改进了界，得到更紧的常数。
• 在超收缩情形（对数 Sobolev），界涉及相对熵：$ \mathbb{P}_{\nu}(\mathcal{A}) \leq (e-1)\exp\left(-\frac{tR^2}{32C_P \text{Var}_\mu(V)}\right) + H(h_\nu)\exp\left(-\frac{tR}{2C_{LS}}\right) $。
• 对于具有势函数 $U$ 的扩散过程，在 $\nabla U$ 和 $\Delta U$ 满足弱条件时，过渡密度 $h_t^x$ 被证明属于 $L^2(\mu)$，从而可应用基于 $L^2$ 的界。