[论文解读] Mean Width of a Regular Cross-Polytope

Steven R. Finch|arXiv (Cornell University)|Dec 2, 2011

Advanced Combinatorial Mathematics参考文献 11被引用 6

一句话总结

本文推导了在 $\mathbb{R}^n$ 中维度 $n \leq 6$ 的正则 $n$-单纯形的平均宽度的精确解析表达式，建立了其与 $n$ 个独立同分布的半正态分布随机变量最大值的期望之间的联系。主要贡献在于首次提出了 $\mu_5$（即五个半正态变量最大值的期望）的闭式表达式，该结果被认为具有创新性，并通过多重积分与特殊函数推导得出。

ABSTRACT

The expected range of a sample of n+1 normally distributed variables is known to be related to the mean width of a regular n-simplex. We show that the expected maximum mu_n of a sample of n half-normally distributed variables is related to the mean width of a regular n-crosspolytope. Both of these relations have mean square counterparts. An expression for mu_5 is found and is believed to be new.

研究动机与目标

• 将正则 $n$-单纯形在 $\mathbb{R}^n$ 中的平均宽度结果从 $n=3$ 扩展至更高维度。
• 精确建立正则 $n$-单纯形的平均宽度与 $n$ 个独立同分布的半正态随机变量最大值的期望之间的解析联系。
• 推导并验证 $\mu_5$（即五个半正态分布变量最大值的期望）的新闭式表达式。
• 为维度 $n \leq 6$ 的正则 $n$-单纯形提供平均宽度与平均平方宽度的精确表达式。
• 提供当 $n \to \infty$ 时平均宽度的渐近近似，与已知的极值理论保持一致。

提出的方法

• 利用几何概率与支撑函数理论，推导出单位边长正则 $n$-单纯形平均宽度的积分公式。
• 通过分部积分法，将平均宽度的积分转化为涉及半正态分布累积分布函数与概率密度函数的形式。
• 识别出变换后的积分等价于 $\mu_n / n$，其中 $\mu_n$ 为 $n$ 个半正态变量最大值的期望，从而将平均宽度与顺序统计量联系起来。
• 运用误差函数、反正割函数以及嵌套双重积分等特殊函数，表达 $n=5$ 和 $n=6$ 时的 $\mu_n$，其中 $T_1'$ 与 $T_2$ 为关键组成部分。
• 应用极值理论与朗伯 $W$ 函数的已知结果，推导 $\mu_n$ 与 $\mathbb{E}(w_n)$ 在 $n \to \infty$ 时的渐近展开式，验证其与先前工作的自洽性。
• 利用符号计算与已知积分恒等式，对 $n \leq 6$ 的数值结果进行验证，确认所推导表达式的正确性。

实验结果

研究问题

• RQ1 对于 $n \leq 6$，正则 $n$-单纯形在 $\mathbb{R}^n$ 中的平均宽度是否存在精确解析表达式？
• RQ2 正则 $n$-单纯形的平均宽度与 $n$ 个半正态分布随机变量最大值的期望之间存在何种关系？
• RQ3 是否存在 $\mu_5$（即五个半正态变量最大值的期望）的新闭式表达式？其推导过程如何？
• RQ4 高维单纯形的平均平方宽度与平均宽度的渐近行为是什么？
• RQ5 所推导结果与已知渐近近似及正则多面体度量性质的先前研究相比如何？

主要发现

• 本文推导出 $\mu_5 = \frac{5}{\sqrt{\pi}}\left(-\sqrt{2} + 8S_2 + 16\sqrt{2}T_1'\right)$ 的新闭式表达式，该结果被认为是对 $n=5$ 的首个此类精确结果。
• 正则 $n$-单纯形的平均宽度精确为 $\mathbb{E}(w_n) = \frac{\Gamma(n/2)}{\Gamma((n+1)/2)} \mu_n$，将几何平均宽度与半正态变量的顺序统计量联系起来。
• 当 $n=5$ 时，平均宽度的数值结果为 $\mathbb{E}(w_5) \approx 1.04342$，平均平方宽度为 $\mathbb{E}(w_5^2) \approx 1.10950$，二者均来自精确积分。
• 平均宽度的渐近行为显示其按 $\mathbb{E}(w_n) \sim \sqrt{\frac{\ln n}{n}} - \frac{\ln(\ln n) + \ln \pi - 2\gamma}{4\sqrt{n \ln n}}$ 的方式缩放，与极值理论一致。
• 本文通过数值方法验证了猜想 $\mathbb{E}(w_n^2) = \frac{2}{n} \nu_n$ 在 $n \leq 6$ 时成立，其中 $\nu_n$ 为 $n$ 个半正态变量最大值的二阶矩。
• 推导 $\mu_6$ 的过程比 $\mu_5$ 更为简便，且用于 $\mu_5$ 的方法可推广至更高维度 $n$，但 $\mu_7$ 与 $\nu_6$ 的闭式表达式仍为开放问题。