[论文解读] CLT for the zeros of Classical Random Trigonometric Polynomials

Jean‐Marc Azäis, Federico Dalmao+1 more|arXiv (Cornell University)|Jan 22, 2014

Geometry and complex manifolds参考文献 20被引用 22

一句话总结

本文建立了经典随机三角多项式 $ K^{-1/2} \sum_{n=1}^K a_n \cos(nt) $ 的零点个数的中心极限定理（CLT），其中 $ a_n $ 为独立同分布的标准正态随机变量。通过使用埃尔米特/维纳混沌分解和零点计数的莱斯公式，作者证明了在 $[0, \pi]$ 上归一化的零点个数依分布收敛于方差为 $ V^2 $ 的正态随机变量，其中 $ V^2 \approx 0.089 $。该结果证实了法尔曼德与格兰维尔-维格曼所猜想的渐近方差行为，且相较于先前的工作，证明过程更为简化。

ABSTRACT

We prove a Central Limit Theorem for the number of zeros of random trigonometric polynomials of the form $K^{-1/2}\sum_{n=1}^{K} a_n\cos(nt)$, being $(a_n)_n$ independent standard Gaussian random variables. In particular, we prove the conjecture by Farahmand, Granville & Wigman that the variance is equivalent to $V^2K$, $0<V^2<\infty$, as $K o\infty$. % The case of stationary trigonometric polynomials was studied by Granville & Wigman and by Aza\"\is & Le\'on. Our approach is based on the Hermite/Wiener-Chaos decomposition for square-integrable functionals of a Gaussian process and on Rice Formula for zero counting.

研究动机与目标

• 建立经典随机三角多项式在 $[0, \pi]$ 上实零点个数的中心极限定理（CLT）。
• 提供对渐近方差行为 $ \sim V^2 K\pi $ 的简化证明，该行为此前由苏与邵所猜想并证明。
• 通过基于维纳混沌分解的极限论证，将 CLT 推广至非平稳高斯过程。
• 证明非平稳情形下的极限方差与平稳情形 $ X_K(t) $ 的极限方差一致，尽管协方差结构不同。
• 通过使用佩卡蒂-图多尔方法和埃尔米特展开，避免对高阶矩的依赖。

提出的方法

• 对 $ \tilde{T}_K(t) = K^{-1/2} \sum_{n=1}^K a_n \cos(nt/K) $ 在 $[0, K\pi]$ 上的归一化零点个数应用维纳-伊托混沌分解。
• 利用莱斯公式，将零点的期望个数表示为涉及密度和给定过程为零时导数的条件期望的积分。
• 分析 $ \tilde{T}_K $ 的协方差结构，并证明其在零点附近的性质渐近等价于平稳过程 $ \tilde{X}_K $，从而实现方差比较。
• 利用佩卡蒂-图多尔的 CLT 判别准则在维纳混沌中建立依分布收敛于正态分布，且无需高于二阶矩的条件。
• 通过泰勒展开和杜德利定理，对协方差及其导数使用一致界，以控制高阶导数的上范数。
• 应用阿孔内斯不等式与埃尔米特展开技术，控制零点计数泛函二阶矩中的非对角项。

实验结果

研究问题

• RQ1 当 $ K \to \infty $ 时，经典随机三角多项式 $ T_K(t) = K^{-1/2} \sum_{n=1}^K a_n \cos(nt) $ 的零点个数是否满足中心极限定理？
• RQ2 在 $[0, \pi]$ 上，$ T_K $ 的零点个数的渐近方差是多少？是否与猜想形式 $ V^2 K\pi $ 一致？
• RQ3 是否可以在不施加超过二阶矩的条件下，建立零点计数的 CLT？
• RQ4 与平稳过程 $ X_K $ 相比，$ T_K $ 的非平稳结构如何影响零点计数分布？
• RQ5 是否 $ T_K $ 的零点计数的极限方差与平稳过程 $ X_K $ 的极限方差相同？

主要发现

• 在 $[0, \pi]$ 上，对 $ T_K $ 的零点个数进行 $ \sqrt{\pi K} $ 归一化后，其分布收敛于均值为零、方差为 $ V^2 $ 的正态随机变量，其中 $ 0 < V^2 < \infty $。
• 零点个数的渐近方差为 $ \sim V^2 K\pi $，其中 $ V^2 \approx 0.089 $，证实了法尔曼德与桑班达姆以及格兰维尔与维格曼的猜想。
• 尽管协方差结构不同，$ T_K $ 的极限方差与平稳三角多项式 $ X_K $ 的极限方差一致，这是由于其在零点附近的局部行为相似。
• 通过维纳混沌中的佩卡蒂-图多尔方法建立 CLT，避免了先前工作中所需的高阶矩条件。
• 数值模拟验证了推导出的 $ V^2 \approx 0.089 $ 值，与苏与邵报告的 $ c \approx 0.257 $ 值相矛盾，暗示该结果可能存在差异。
• 还为具有协方差 $ r(s,t) = \frac{1}{2}(\text{sc}(t-s) + \text{sc}(t+s)) $ 的非平稳高斯过程 $ T $ 的零点个数建立了 CLT，经标准化后收敛于标准正态分布。