[论文解读] On the Rate of Convergence in the Central Limit Theorem for Linear Statistics of Gaussian, Laguerre, and Jacobi Ensembles

Sergey Berezin, Alexander I. Bufetov|arXiv (Cornell University)|Apr 22, 2019

Random Matrices and Applications参考文献 34被引用 6

一句话总结

该论文在 Kolmogorov–Smirnov 度量下，为高斯、拉盖尔和雅可比单位酉系综的线性统计量的中心极限定理建立了收敛速度的上界。通过使用 Riemann–Hilbert 方法，在不断增长的区间上一致估计特征函数，证明了收敛速度为 $ O(n^{-1/d}) $，其中 GUE 和 LUE 的 $ d=5 $，JUE 的 $ d=3 $，且在 $ \beta, \beta > -1 $ 的紧集上一致成立。

ABSTRACT

Under the Kolmogorov--Smirnov metric, an upper bound on the rate of convergence to the Gaussian distribution is obtained for linear statistics of the matrix ensembles in the case of the Gaussian, Laguerre, and Jacobi weights. The main lemma gives an estimate for the characteristic functions of the linear statistics; this estimate is uniform over the growing interval. The proof of the lemma relies on the Riemann--Hilbert approach.

研究动机与目标

• 推导具有高斯、拉盖尔和雅可比权函数的矩阵系综线性统计量在中心极限定理中收敛速度的上界。
• 分析收敛速度对测试函数的光滑性和解析性以及系综类型依赖关系。
• 通过将谱区间统一标准化为 $[-1,1]$，统一处理单切口正则势函数。
• 为 LUE 和 JUE 在参数 $ \beta, \beta > -1 $ 的紧集上建立一致收敛速度。
• 使用非线性最陡下降技术，为线性特征值统计量的渐近高斯性提供严格的理论基础。

提出的方法

• 利用 Riemann–Hilbert 方法，在不断增长的区间上推导线性统计量特征函数的一致估计。
• 应用非线性最陡下降方法，分析配分函数及其对数导数的渐近行为。
• 采用一个关键引理，对归一化线性统计量 $ S_{f,n} $ 的特征函数 $ \tilde{\rho}_{f,n}(h) $ 进行估计，其界在 $ h \to 0 $ 和 $ n \to \bigcirc $ 上一致成立。
• 使用 Feller 的光滑不等式，控制经验分布与标准正态分布之间的 Kolmogorov–Smirnov 距离。
• 在特征函数中引入缩放参数 $ \nu = n^\nu $，以控制误差项并优化收敛速度。
• 结合指数尾部界和不等式 $ |e^z - 1| \leq |z|e^{|z|} $，处理 $ \nu $ 的中间区间内误差项增长的情形。

实验结果

研究问题

• RQ1 在 Kolmogorov–Smirnov 度量下，高斯、拉盖尔和雅可比系综线性统计量的中心极限定理中，最优收敛速度是什么？
• RQ2 收敛速度如何依赖于测试函数 $ f $ 的光滑性和解析性，特别是当 $ f $ 在 $[-1,1]$ 的复邻域内解析时？
• RQ3 LUE 和 JUE 中，收敛速度能否在 $ \beta, \beta > -1 $ 的紧集上一致有界？
• RQ4 谱边缘 $ \leq 1 $ 附近的局部特征值行为在决定收敛速度中起什么作用？
• RQ5 Riemann–Hilbert 方法能否用于推导特征函数的一致界，从而在矩阵系综的 CLT 中获得精确的收敛速度？

主要发现

• 论文证明了 $ \frac{1}{n^{1/d}} \times \text{sup}_x |F_{f,n}(x) - F_{\text{N}}(x)| $ 在 $ n $ 和 $ x $ 上一致有界，其中 GUE 和 LUE 的 $ d = 5 $，JUE 的 $ d = 3 $。
• 收敛速度为 $ O(n^{-1/d}) $，且该界在 LUE 和 JUE 的 $ \beta, \beta > -1 $ 紧集上一致成立。
• 引理 1.5 中的特征函数估计在 $ h \to 0 $ 和 $ n \to \bigcirc $ 上一致，使得可通过 Feller 不等式推导出收敛速度。
• 当 $ \nu \notin (1/d, 1/(d-1)) $ 时，特征函数展开中的误差项保持有界，且 $ O(n^{-1/d}) $ 的收敛速度得以保持。
• 该方法依赖于三种系综正交多项式相关 Riemann–Hilbert 问题的非线性最陡下降分析。
• 结果表明，谱边缘处的行为 $ \leq 1 $ 是决定收敛速度的主导因素，而非体统计量。