[논문 리뷰] Fluctuations for linear eigenvalue statistics of sample covariance random matrices

Giorgio Cipolloni, László Erdős|arXiv (Cornell University)|2018. 06. 22.

Random Matrices and Applications참고 문헌 17인용 수 5

한 줄 요약

이 논문은 표본 공분산 행렬과 그 마이너의 선형 고유값 통계량 간 차이의 변동성에 대한 중심극한정리(central limit theorem)를 수립하여, 강한 고유값 상관관계로 인해 이 차이의 변동성이 크게 감소함을 밝혀낸다. 와이너 행렬과는 달리, 이 변동성은 완전히 사라질 수 있으며, 이는 두미트루와 파켓의 연구에서 다룬 근사 가우시안 장의 공간 도함수의 핵심 메커니즘을 규명한다.

ABSTRACT

We prove a central limit theorem for the difference of linear eigenvalue statistics of a sample covariance matrix $\widetilde{W}$ and its minor $W$. We find that the fluctuation of this difference is much smaller than those of the individual linear statistics, as a consequence of the strong correlation between the eigenvalues of $\widetilde{W}$ and $W$. Our result identifies the fluctuation of the spatial derivative of the approximate Gaussian field in the recent paper by Dumitru and Paquette. Unlike in a similar result for Wigner matrices, for sample covariance matrices the fluctuation may entirely vanish.

연구 동기 및 목표

• 표본 공분산 행렬과 그 마이너의 선형 고유값 통계량 간 변동성을 분석하기.
• 원래 행렬과 마이너 행렬의 고유값 간 강한 상관관계가 통계적 변동성에 미치는 영향을 이해하기.
• 특히 변동성이 완전히 사라질 수 있는지 여부를 포함해, 이 차이의 변동성의 정밀한 성격을 규명하기.
• 최근 두미트루와 파켓의 연구에서 다룬 근사 가우시안 장의 공간 도함수와의 연결 고리를 규명하기.

제안 방법

• 표본 공분산 행렬과 그 마이너의 선형 고유값 통계량 간 차이에 대한 중심극한정리를 유도하기.
• 원래 행렬과 마이너 행렬의 고유값 간 강한 상관관계를 활용하여, 개별 변동성이 차이에서 상쇄됨을 보여주기.
• 공분산 행렬 집단에 특화된 랜덤 매트릭스 이론 기법을 사용하여, 공동 고유값 분포에 초점 맞추기.
• 행렬 크기가 증가함에 따라 변동성의 점근적 행동을 분석하고, 스케일링 극한을 규명하기.
• 와이너 행렬의 유사한 결과와 비교하여 변동성 행동의 주요 차이점을 부각하기.
• 차이의 변동성이 완전히 사라질 수 있는 조건을 규명하기.

실험 결과

연구 질문

• RQ1 표본 공분산 행렬과 그 마이너의 선형 고유값 통계량의 변동성은 상호 어떻게 관련되어 있는가?
• RQ2 이 통계량 간 차이의 점근적 분포는 무엇인가?
• RQ3 왜 이 차이의 변동성은 개별 통계량보다 현저히 작은 분산을 보이는가?
• RQ4 어떤 조건에서 이 차이의 변동성이 완전히 사라질 수 있으며, 그 조건은 무엇인가?
• RQ5 이 결과는 두미트루와 파켓의 연구에서 다룬 근사 가우시안 장의 공간 도함수와 어떻게 연결되는가?

주요 결과

• 강한 고유값 상관관계로 인해, 표본 공분산 행렬과 그 마이너의 선형 고유값 통계량 간 차이의 변동성은 개별 통계량의 변동성보다 훨씬 작다.
• 차이에 대한 중심극한정리는 개별 통계량과 비교해 변동성이 억제되는 새로운 스케일링 영역를 규명한다.
• 와이너 행렬과 달리, 이 차이의 변동성은 완전히 사라질 수 있으며, 이는 표본 공분산 행렬 집단의 고유한 특성임을 시사한다.
• 이 결과는 최근 두미트루와 파켓의 연구에서 다룬 근사 가우시안 장의 공간 도함수를 정밀하게 특성화한다.
• 변동성의 소멸은 와이너 타입 모델에서 볼 수 없는, 표본 공분산 행렬의 고유값 상관관계의 특정 구조로 인해 발생한다.