[论文解读] Central limit theorems for Hilbert-space valued random fields satisfying a strong mixing condition

Cristina Tone|arXiv (Cornell University)|Dec 8, 2010

Probability and Risk Models参考文献 3被引用 6

一句话总结

该论文在 $ρ'$-混合条件下，利用伯恩斯坦的分块技术与紧性论证，建立了希尔伯特空间取值的严格平稳随机场的中心极限定理。关键结果表明，归一化的部分和在希尔伯特空间中弱收敛于一个高斯随机元素，将经典中心极限定理推广至具有强混合依赖结构的无限维过程。

ABSTRACT

In this paper we study the asymptotic normality of the normalized partial sum of a Hilbert-space valued strictly stationary random field satisfying the interlaced $ρ'$-mixing condition.

研究动机与目标

• 将中心极限定理推广至 $ρ'$-混合条件下希尔伯特空间取值的随机场。
• 在 $ρ'$-混合依赖结构下，建立严格平稳随机场的渐近正态性。
• 证明归一化部分和在可分希尔伯特空间中弱收敛于一个高斯随机元素。
• 通过坐标方向收敛与一致可积性，验证有限维分布的紧性。
• 通过协方差算子与标准正交基分解，将有限维中心极限定理推广至无限维希尔伯特空间设定。

提出的方法

• 应用伯恩斯坦的分块技术，将和分解为依赖性受控的块。
• 利用 $ρ'$-混合条件，通过索引集上远距离集合之间的最大相关性来控制依赖性。
• 采用希尔伯特空间取值随机变量的正交基表示，将问题简化为坐标方向的分析。
• 通过证明尾部方差的统一衰减 $\sum_{i=N}^\infty E|X_{0i}|^2 \to 0$（当 $N \to \infty$ 时），建立归一化和序列的紧性。
• 通过特征函数论证与协方差矩阵收敛性，证明有限维收敛。
• 通过将有限维分布与高斯极限匹配，将有限维收敛性推广至希尔伯特空间中的完整弱收敛。

实验结果

研究问题

• RQ1 在 $ρ'$-混合条件下，希尔伯特空间取值的严格平稳随机场是否满足中心极限定理？
• RQ2 归一化和的有限维分布收敛能否扩展至希尔伯特空间中的弱收敛？
• RQ3 在 $ρ'$-混合条件下，归一化部分和序列在希尔伯特空间中是否具有紧性？
• RQ4 极限高斯元素的协方差算子如何与原始场的依赖结构相关联？
• RQ5 分块技术能否被调整以处理具有强混合依赖的无限维随机场？

主要发现

• 当 $\min\{L_1,\dots,L_d\} \to \infty$ 时，归一化和 $S(X,L)/\sqrt{L_1 \cdots L_d}$ 弱收敛于希尔伯特空间中的中心高斯随机元素。
• 极限高斯元素的协方差算子由原始场的协方差结构定义，其元素为 $\sigma_{ij} = E[X_{0i}X_{0j}]$。
• 通过证明 $\sup_L E\left[\sum_{i=N}^\infty \left\langle S_L / \sqrt{L_1 \cdots L_d}, e_i \right\rangle^2 \right] \to 0$（当 $N \to \infty$ 时），建立了分布序列的紧性。
• 有限维分布收敛于均值为零、协方差矩阵为 $\Sigma^{(m)} = (\sigma_{ij})_{1 \leq i,j \leq m}$ 的多变量正态分布，证实对所有有限 $m$ 均有分布收敛。
• 当序列 $L^{(n)}$ 满足 $L^{(n)}_u = n$ 且对所有 $v \ne u$ 有 $L^{(n)}_v \to \infty$ 时，收敛性成立，确保了完整的弱收敛。
• 该结果将先前针对实值与有限维混合序列的中心极限定理推广至无限维希尔伯特空间设定。