[论文解读] Mod-$\phi$ convergence, II: Estimates on the speed of convergence

Valentin Féray, Pierre‐Loïc Méliot+1 more|arXiv (Cornell University)|May 30, 2017

Random Matrices and Applications参考文献 14被引用 7

一句话总结

该论文在模ϕ收敛框架下建立了稳定极限的收敛速度的Berry–Esseen型估计，引入了“控制区”概念以量化收敛速率。推导出Kolmogorov距离的显式界，阶为$\mathcal{O}(t_n^{-\gamma - 1/\alpha})$，并应用于平面布朗运动、随机矩阵、伊辛模型和马尔可夫链。

ABSTRACT

In this paper, we give estimates for the speed of convergence towards a limiting stable law in the recently introduced setting of mod-$\\phi$ convergence. Namely, we define a notion of zone of control, closely related to mod-$\\phi$ convergence, and we prove estimates of Berry-Esseen type under this hypothesis. Applications include: the winding number of a planar Brownian motion; classical approximations of stable laws by compound Poisson laws; examples stemming from determinantal point processes (characteristic polynomials of random matrices and zeroes of random analytic functions); sums of variables with an underlying dependency graph (for which we recover a result of Rinott, obtained by Stein's method); the magnetization in the $d$-dimensional Ising model; and functionals of Markov chains.

研究动机与目标

• 在模ϕ收敛框架下量化向稳定分布收敛的速率。
• 引入并形式化“控制区”概念，作为估计收敛速度的工具。
• 在该框架下推导Kolmogorov距离的非渐近Berry–Esseen型界。
• 将模ϕ收敛的适用范围扩展至更广泛的概率模型，包括依赖结构和马尔可夫链的泛函。
• 为多种随机模型中向稳定分布和高斯极限的收敛提供精确且显式的误差估计。

提出的方法

• 在复平面上引入‘控制区’，即在该区域内，归一化随机变量的特征函数能被模ϕ收敛中的极限函数良好逼近。
• 利用控制区推导归一化和的累积分布函数与极限稳定分布之间差异的界。
• 应用傅里叶分析与特征函数技术，通过无穷可分分布的拉普拉斯变换结构控制收敛速率中的误差。
• 通过特征函数差异的估计，推导Kolmogorov距离的界，利用参数$\gamma$来量化控制区的大小。
• 证明收敛速率为$\mathcal{O}(t_n^{-\gamma - 1/\alpha})$，其中$\alpha$为稳定性指数，$t_n$为归一化参数。
• 将该方法应用于多种模型，包括独立同分布变量之和、确定性点过程、伊辛模型和马尔可夫链，采用谱方法和累积量分析。

实验结果

研究问题

• RQ1 当模ϕ收敛成立时，向稳定分布收敛的定量速率是什么？如何对其进行估计？
• RQ2 ‘控制区’概念如何形式化？如何用于推导Kolmogorov距离的显式误差界？
• RQ3 模ϕ收敛框架能否为依赖或非i.i.d.序列提供Berry–Esseen型估计？
• RQ4 在何种条件下，马尔可夫链的加性泛函的渐近方差为正？这如何影响收敛速率？
• RQ5 在马尔可夫链背景下，模高斯收敛与向正态分布收敛的速度有何关系？

主要发现

• 归一化和$Y_n$与极限稳定分布之间的Kolmogorov距离被界为$\mathcal{O}(t_n^{-\gamma - 1/\alpha})$，其中$\gamma$量化控制区的大小，$\alpha$为稳定性指数。
• 对于具有有限三阶矩的独立同分布随机变量之和，收敛速率为$\mathcal{O}(n^{-1/2})$，与经典Berry–Esseen界一致。
• 在平面布朗运动的绕数情形下，该方法给出的收敛速率为$\mathcal{O}(n^{-1/2})$。
• 对于确定性点过程（如随机矩阵的特征多项式），该方法能恢复已知的收敛速率，并给出显式常数。
• 对于不可约、非周期的马尔可夫链的加性泛函，其渐近方差$\varSigma^2(f)$为正，当且仅当存在一条闭路，其上$f$-值之和非零。
• 对于可逆马尔可夫链，若$f$非恒定，则$\varSigma^2(f) > 0$，且收敛速率被界为$\mathcal{O}(n^{-1/2})$，显式依赖于谱间隙$\theta_P$。