[论文解读] A new approach to the Stein-Tikhomirov method: with applications to the second Wiener chaos and Dickman convergence

Benjamin Arras, Guillaume Mijoule+2 more|arXiv (Cornell University)|May 22, 2016

Random Matrices and Applications参考文献 24被引用 25

一句话总结

本文提出了一种基于特征函数上一对线性算子的Stein-Tikhomirov方法的新扩展，用于估计分布收敛速率。该方法在第二Wiener混沌分布和广义Dickman分布的目标下实现了最优阶界（最多对数损失），并应用于U统计量和数论，借助特征函数的Stein方法工具。

ABSTRACT

In this paper, we propose a general means of estimating the rate at which convergences in law occur. Our approach, which is an extension of the classical Stein-Tikhomirov method, rests on a new pair of linear operators acting on characteristic functions. In principle, this method is admissible for any approximating sequence and any target, although obviously the conjunction of several favorable factors is necessary in order for the resulting bounds to be of interest. As we briefly discuss, our approach is particularly promising whenever some version of Stein's method applies. We apply our approach to two examples. The first application concerns convergence in law towards targets $F_\infty$ which belong to the second Wiener chaos (i.e. $F_{\infty}$ is a linear combination of independent centered chi-squared rvs). We detail an application to $U$-statistics. The second application concerns convergence towards targets belonging to the generalized Dickman family of distributions. We detail an application to a theorem from number theory. In both cases our method produces bounds of the correct order (up to a logarithmic loss) in terms of quantities which occur naturally in Stein's method.

研究动机与目标

• 开发一种利用特征函数估计分布收敛速率的一般性框架。
• 通过作用于特征函数的新线性算子扩展Stein-Tikhomirov方法，以实现更广泛的应用。
• 为第二Wiener混沌和广义Dickman分布的目标实现最优阶收敛速率界（最多对数因子）。
• 在两个关键应用中展示该方法的有效性：U统计量和数论极限定理。
• 通过引入针对特定目标分布律量身定制的偏差变换算子，弥合特征函数方法与Stein方法之间的鸿沟。

提出的方法

• 该方法引入了一对作用于特征函数的新线性算子，替代了经典Stein-Tikhomirov框架中的微分算子。
• 利用广义Dawson函数将目标分布的特征函数与其Stein算子联系起来，实现基于算子的分析。
• 该方法将特征函数差异的有界问题转化为通过这些算子进行积分以估计偏差项。
• 应用平滑Wasserstein距离框架，将特征函数差异的界转化为概率偏差度量。
• 该方法利用已知的稳定分布和无穷可分分布的Stein算子，特别是针对卡方和Dickman型目标。
• 通过分部积分和特征函数的渐近展开，推导出涉及逼近序列的矩和尾部行为的界。

实验结果

研究问题

• RQ1 基于特征函数的新型算子方法是否能改进Stein-Tikhomirov框架中的收敛速率估计？
• RQ2 利用特征函数技术，第二Wiener混沌分布的最优收敛阶是多少？
• RQ3 该方法能否对数论和组合结构中出现的广义Dickman分布给出精确界？
• RQ4 与经典方法相比，这些新算子在紧致性和对非正态极限的适用性方面表现如何？
• RQ5 该方法在多大程度上可适应U统计量和对数组合结构？

主要发现

• 该方法为第二Wiener混沌分布的目标实现了最优阶收敛速率界（最多对数因子），与Stein方法的已知结果一致。
• 在U统计量背景下，该方法给出了Kolmogorov距离的显式界，其精度达到对数项以内，优于经典特征函数估计。
• 在广义Dickman分布的背景下，该方法恢复了一个数论极限定理，并实现了最优阶的收敛速率界。
• 通过针对偏差算子的积分，对特征函数差异 |ϕₙ(t) − ϕ∞(t)| 实现了有效控制，从而在平滑Wasserstein度量中实现良好控制。
• 该方法得到的界与平滑Wasserstein距离一致，显式依赖于逼近序列的三阶矩和尾部行为。
• 当存在Stein算子时，该方法特别有效，表明基于特征函数的偏差变换可实现紧致的收敛速率。