[论文解读] Quantitative two-scale stabilization on the Poisson space

Raphaël Lachièze-Rey, Giovanni Peccati+1 more|arXiv (Cornell University)|Oct 26, 2020

Stochastic processes and statistical mechanics参考文献 41被引用 5

一句话总结

该论文为泊松随机测度的泛函引入了新的定量双尺度稳定化不等式，通过在两个不同尺度上评估单次添加成本算子，实现了基于高斯近似的精确边界。该方法在随机几何中实现了无维度限制、可计算的多维中心极限定理边界，适用于在线最近邻图、最小生成树以及重尾脉冲噪声场的水平集。

ABSTRACT

We establish inequalities for assessing the distance between the distribution of a (possibly multidimensional) functional of a Poisson random measure and that of a Gaussian element. Our bounds only involve add-one cost operators at the order one - that we evaluate and compare at two different scales - and are specifically tailored for studying the Gaussian fluctuations of sequences of geometric functionals displaying a form of weak stabilization - see Penrose and Yukich (2001) and Penrose (2005). Our main bounds extend the estimates recently exploited by Chatterjee and Sen (2017) in the proof of a quantitative version of the central limit theorem (CLT) for the length of the Poisson-based Euclidean minimal spanning tree (MST). We develop in full detail three applications of our bounds, namely: (i) to a quantitative multidimensional spatial CLT for functionals of the on-line nearest neighbor graph, (ii) to a quantitative multidimensional CLT involving functionals of the empirical measure associated with the edge-length of the Euclidean MST, and (iii) to a collection of multidimensional CLTs for geometric functionals of the excursion set of heavy-tailed shot noise random fields. Application (i) is based on a collection of general probabilistic approximations for strongly stabilizing functionals, that is of independent interest.

研究动机与目标

• 开发泊松随机测度几何泛函的定量中心极限定理（CLTs），这些泛函表现出双尺度稳定化特性。
• 将现有方法——特别是 Chatterjee 和 Sen（2017）的方法——扩展到无需离散化或迭代算子的多维设置。
• 仅使用在两个不同尺度上的一阶添加一次成本算子，提供可计算的边界，从而提升在复杂几何设置中的适用性。
• 为在线最近邻图、最小生成树以及重尾脉冲噪声场的水平集的泛函建立新型高斯近似边界。
• 通过引入简洁的双尺度框架，统一并推广基于稳定化的中心极限定理，避免了先前工作中使用的复杂迭代算子。

提出的方法

• 核心方法结合了泊松混沌空间上的马利阿文微积分与 Stein 方法，推导出泛函与高斯分布之间 Kolmogorov 距离和 Wasserstein 距离的边界。
• 通过比较小尺度 Δ 和大尺度 R（其中 R ≫ Δ）处的添加一次成本算子，引入双尺度稳定化结构。
• 边界仅以稳定化半径的尾概率和一阶 Malliavin 导数的上确界表达。
• 关键估计涉及使用添加一次成本算子 $ D_x F $，并在尺度 Δ 的区域 $ ext{A}_x $ 上比较 $ D_x F - D_x F( ext{A}_x) $。
• 通过参数 $ t $ 求解一个递归不等式，最终得到以尺度相关量和谱范数表示的距离 $ d_{ ext{c}}( ext{F}, N_Σ) $ 的边界。
• 通过使用简洁的双尺度结构，避免了二阶 Poincaré 不等式，使其适用于迭代算子难以处理的场景。

实验结果

研究问题

• RQ1 我们能否仅通过在两个不同尺度上评估一阶添加一次成本算子，为泊松过程的几何泛函推导出定量多维中心极限定理？
• RQ2 双尺度稳定化如何改善随机几何中强稳定化泛函的分析，特别是在迭代算子难以处理的情况下？
• RQ3 在稳定化半径和导数矩的术语下，泊松过程泛函与高斯向量之间的 Kolmogorov 距离和 Wasserstein 距离的精确边界是什么？
• RQ4 所提出的方法能否恢复并扩展高维中最小生成树边长和在线最近邻图的已知中心极限定理？
• RQ5 双尺度结构在多大程度上提升了重尾脉冲噪声场水平泛函正态近似问题的可处理性？

主要发现

• 该论文建立了一类新的定量双尺度稳定化不等式，可给出泊松过程泛函 $ ext{F} $ 与高斯向量 $ N_Σ $ 之间 Kolmogorov 距离的边界，该边界仅依赖于稳定化半径的尾概率以及一阶 Malliavin 导数的 $ L^p $-范数。
• 对于在线最近邻图，该方法给出了显式误差边界的多维中心极限定理，边界以稳定化半径和协方差矩阵 $ Σ $ 的逆矩阵的特征值表示。
• 在最小生成树的情况下，该方法恢复并扩展了 Chatterjee 和 Sen（2017）的定量中心极限定理，提供了多维版本，其边界与 $ ig(rac{1}{ ext{variance}}ig)^{1/2} $ 和 $ ig( ext{trace}(Σ^{-1})ig)^{1/2} $ 成比例。
• 对于重尾脉冲噪声场的水平泛函，该方法提供了新的中心极限定理，其方差的上下界由双尺度稳定化推导得出，从而在非高斯、长程依赖的设定中实现了正态近似。
• 距离 $ d_{ ext{c}}( ext{F}, N_Σ) $ 的边界被证明为 $ Oig( ext{尺度相关项} imes ig( ext{和 } rac{1}{ ext{variance}_i}ig)^{1/2}ig) $，其中显式常数包含 $ ext{trace}(Σ^{-1}) $、$ ext{trace}(Σ^{-1/2}) $ 和 $ ext{variance}^{-1/2} $。
• 不等式的递归解导出了最终边界 $ d_{ ext{c}}( ext{F}, N_Σ) riangleq ext{Kolmogorov 距离} riangleq ext{O}( ext{尺度相关项} imes ext{和 } rac{1}{ ext{variance}_i}) $，显式依赖于 $ Σ^{-1} $ 的谱范数和稳定化半径的尾部。