[论文解读] Asymptotic Expansion of Gaussian Chaos via Probabilistic Approach

Enkelejd Hashorva, Dmitry Korshunov+1 more|arXiv (Cornell University)|Jul 22, 2013

Stochastic processes and statistical mechanics参考文献 28被引用 4

一句话总结

本文提出一种概率方法，推导高斯混沌尾部分布与密度的渐近展开——具体而言，针对中心化高斯向量的齐次函数。通过利用旋转不变性与极坐标分解，作者建立了精确的渐近展开式，涉及在最大值点处Hessian行列式的负幂次项，由于对称性，奇次幂项消失，从而得到关于 $ t^{1/2 + i} $ 的简洁展开式，用于描述最大值附近的尾部概率。

ABSTRACT

For a centered $d$-dimensional Gaussian random vector $ξ=(ξ_1,\ldots,ξ_d)$ and a homogeneous function $h:R^d o R$ we derive asymptotic expansions for the tail of the Gaussian chaos $h(ξ)$ given the function $h$ is sufficiently smooth. Three challenging instances of the Gaussian chaos are the determinant of a Gaussian matrix, the Gaussian orthogonal ensemble and the diameter of random Gaussian clouds. Using a direct probabilistic asymptotic method, we investigate both the asymptotic behaviour of the tail distribution of $h(ξ)$ and its density at infinity and then discuss possible extensions for some general $ξ$ with polar representation.

研究动机与目标

• 推导高斯混沌 $ h(\boldsymbol{\xi}) $ 尾部分布与密度的精确渐近展开式，其中 $ h $ 为阶数 $ \alpha > 0 $ 的齐次函数。
• 通过基于标准正态向量旋转对称性的直接概率方法，克服基于矩的方法的局限性。
• 分析当 $ x \to \infty $ 时 $ \mathbb{P}\{g(\boldsymbol{\eta}} > x\} $ 及其密度的渐近行为，重点关注展开项的结构。
• 将分析推广至具有极坐标表示的一般 $ \boldsymbol{\xi} $，尤其在椭球混沌的背景下。
• 证明尾部概率的渐近展开式中仅包含 $ t $ 的偶次幂项，其中系数依赖于 $ g $ 在最大值点处的Hessian矩阵。

提出的方法

• 利用极坐标分解 $ \boldsymbol{\eta} \overset{d}{=} \chi \boldsymbol{\zeta} $，其中 $ \chi $ 服从卡方分布，$ \boldsymbol{\zeta} $ 在单位球面上均匀分布，将问题简化为球面上的积分。
• 利用标准正态向量的旋转不变性，分析 $ g(\boldsymbol{\zeta}) $ 在球面上最大值附近的性质。
• 在最大值点 $ \boldsymbol{\varphi}_1 $ 附近对 $ g $ 进行局部展开，采用二阶泰勒近似，将等高线近似为椭球面。
• 推导出集合 $ \{ \boldsymbol{\varphi} : g(\boldsymbol{\varphi}) > \hat{g} - t \} $ 的体积，其渐近比例于 $ t^{(d-1)/2} / \sqrt{ |\det g''(\boldsymbol{\varphi}_1)| } $，从而得出尾部分布的渐近行为。
• 利用引理2严格证明，水平集上积分的渐近展开仅包含 $ t^{1/2 + i} $ 形式的项，且由于对称性，奇次幂项消失。
• 建立密度公式 $ p_{g(\boldsymbol{\eta}}}(x) = \frac{1}{\alpha x} \left( \mathbb{E}\{ \|\boldsymbol{\eta}\|^2; g(\boldsymbol{\eta}) > x \} - d \cdot \mathbb{P}\{ g(\boldsymbol{\eta}) > x \} \right) $（$ x > 0 $），从而实现密度渐近分析。

实验结果

研究问题

• RQ1 如何对光滑且阶数 $ \alpha > 0 $ 的齐次函数 $ h $ 的高斯混沌 $ h(\boldsymbol{\xi}) $ 的尾部分布进行渐近展开？
• RQ2 当 $ x \to \infty $ 时，尾部概率 $ \mathbb{P}\{ g(\boldsymbol{\eta}) > x \} $ 的渐近展开式具有何种精确结构，特别是其与 $ g $ 在最大值点处Hessian矩阵的关系？
• RQ3 为何渐近展开式中奇次幂项消失？能否通过局部积分展开实现严格证明？
• RQ4 基于旋转不变性的概率方法是否能在矩方法失效时提供精确渐近结果？
• RQ5 密度 $ g(\boldsymbol{\eta}) $ 的渐近行为如何？其与通过推导恒等式得到的尾部分布有何关联？

主要发现

• 尾部概率 $ \mathbb{P}\{ g(\boldsymbol{\eta}) > x \} $ 允许关于 $ t = \hat{g} - g(\boldsymbol{\varphi}_1) $ 的渐近展开，其主项与 $ t^{(d-1)/2} / \sqrt{ |\det g''(\boldsymbol{\varphi}_1)| } $ 成比例，其中 $ \boldsymbol{\varphi}_1 $ 是 $ g $ 在球面上的最大值点。
• 尾部概率的渐近展开式仅包含 $ t^{1/2 + i} $ 形式（$ i = 0,1,2,\dots $）的项，且所有 $ t^{1/2 + i} $ 的奇次幂项由于对称性而消失。
• 水平集 $ \{ \boldsymbol{\varphi} : g(\boldsymbol{\varphi}) > \hat{g} - t \} $ 的体积渐近与 $ t^{(d-1)/2} $ 成比例，比例常数依赖于 $ g $ 在最大值点处Hessian矩阵的行列式。
• 当 $ x $ 较大时，$ g(\boldsymbol{\eta}) $ 的密度渐近为 $ \sim \frac{1}{\alpha x} \cdot \mathbb{E}\{ \|\boldsymbol{\eta}\|^2; g(\boldsymbol{\eta}) > x \} $，仅含低阶修正项。
• 在二阶导数 $ g_2 $ 远离零且系数一致有界的前提下，水平集上积分的渐近展开在参数依赖下仍具有一致有效性。
• 该方法成功捕捉了尾部与密度的精确渐近结构，克服了基于矩的估计的局限性，并适用于诸如高斯矩阵的行列式、随机高斯点云的直径等复杂情形。