[论文解读] Concentration inequalities on product spaces with applications to Markov processes

Gordon Blower, François Bolley|arXiv (Cornell University)|May 25, 2005

Geometric Analysis and Curvature Flows参考文献 16被引用 7

一句话总结

该论文在波兰空间上弱依赖的马尔可夫过程生成的乘积测度下，基于多布拉辛-施洛斯曼型耦合条件，建立了高斯集中与运输不等式。论文推导出浓度参数的显式、最优阶常数，将独立变量的经典结果推广至依赖情形，并在欧德施坦-乌伦贝克过程与ARMA模型中实现精确应用。

ABSTRACT

For a stochastic process with state space some Polish space, this paper gives sufficient conditions on the initial and conditional distributions for the joint law to satisfy Gaussian concentration inequalities, transportation inequalities and also logarithmic Sobolev inequalities in the case of the Euclidean space. In several cases, the obtained constants are of optimal order of growth with respect to the number of variables, or are independent of this number. These results extend results known for mutually independent variables to weakly dependent variables under Dobrushin-Shlosman type conditions.

研究动机与目标

• 将高斯集中不等式从独立随机变量推广至弱依赖的马尔可夫过程。
• 建立初始分布与转移核的充分条件，使得联合分布满足集中与运输不等式。
• 推导浓度参数的显式、精确常数，其随变量数目的增长达到最优阶。
• 通过欧德施坦-乌伦贝克过程作为典型例子，证明这些常数的最优性。
• 在适当的矩条件下，将结果推广至欧几里得空间中的对数 Sobolev 不等式。

提出的方法

• 使用 Wasserstein 距离 $W_1$ 衡量转移核之间的依赖性，要求转移映射从状态空间到概率测度空间为 $L$-Lipschitz。
• 应用张量化与链式论证，将集中性从初始测度与转移核传播至乘积空间 $X^n$ 上的联合分布。
• 通过 Kantorovich-Rubinstein 对偶性，建立高斯集中性 $GC(\theta)$ 与运输不等式 $T_1(1/\theta)$ 的等价性。
• 在马尔可夫依赖下，推导出浓度参数的显式公式 $\kappa_n = \kappa_1 \sum_{m=1}^n \left( \sum_{k=0}^{m-1} L^k \right)^2$。
• 以欧德施坦-乌伦贝克过程为测试案例，通过直接计算指数矩验证所推导常数的紧致性。
• 通过验证转移核的 Lipschitz 与集中条件，将结果应用于 ARMA 过程。

实验结果

研究问题

• RQ1 能否将乘积测度的集中不等式推广至独立情形以外的弱依赖马尔可夫过程？
• RQ2 初始分布与转移核需满足何种条件，才能保证联合分布满足高斯集中性？
• RQ3 所推导的集中常数随变量数目的变化行为如何？是否为最优？
• RQ4 这些结果在多大程度上可推广至欧几里得空间中的对数 Sobolev 不等式？
• RQ5 能否通过显式随机过程证明不等式中常数的紧致性？

主要发现

• 时齐马尔可夫过程的联合分布 $P^{(n)}$ 在 $(X^n, d^{(1)})$ 上满足 $GC(\kappa_n)$，其中 $\kappa_n = \kappa_1 \sum_{m=1}^n \left( \sum_{k=0}^{m-1} L^k \right)^2$，$L$ 为转移核映射的 Lipschitz 常数。
• 对于欧德施坦-乌伦贝克过程，所推导的 $\kappa_n$ 与 $\sum_{j=1}^n \xi_j$ 的直接计算方差一致，证明了边界的最优性。
• 当 $L \geq 1$ 时（例如 $\rho = 0$），常数 $\kappa_n$ 随 $n$ 线性增长；当 $L < 1$ 时（例如 $\rho > 0$），常数有界，与指数矩的实际增长一致。
• 运输不等式 $T_1(1/\kappa)$ 与 $GC(\kappa)$ 等价，所推导的常数在意义上为紧致：对同一类函数，不存在更优常数能满足该不等式。
• 在欧几里得情形 $\mathbb{R}^m$ 下，联合分布满足对数 Sobolev 不等式，当满足矩与 Lipschitz 条件时，常数对 $\theta = 1$ 为最优阶，且对 $\theta > 1$ 呈指数衰减。
• ARMA 过程被证明满足所需条件，展示了该框架在扩散过程之外的适用性。