[论文解读] Cones in homotopy probability theory

Drummond-Cole, Gabriel C., John Terilla|arXiv (Cornell University)|Oct 20, 2014

Homotopy and Cohomology in Algebraic Topology参考文献 4被引用 3

一句话总结

本文在同伦概率论中引入锥（cones）作为普通概率空间的同伦替代，通过链复形中的微分编码所有期望值与相关性。研究表明，同伦高斯分布是普通高斯分布的代数锥，可通过拟同构与 $L_\infty$ 同伦实现矩与累积量的同调计算。

ABSTRACT

This note defines cones in homotopy probability theory and demonstrates that a cone over a space is a reasonable replacement for the space. The homotopy Gaussian distribution in one variable is revisited as a cone on the ordinary Gaussian.

研究动机与目标

• 通过引入同伦概率空间，将普通概率论推广，其中随机变量构成一个带有链映射期望的链复形。
• 通过使用 $L_\infty$ 代数与累积量映射，解决期望不是代数同态以及微分不是导子的问题。
• 定义并构造同伦概率空间上的锥，作为在微分结构中编码所有概率关系（包括矩与相关性）的方法。
• 表明同伦高斯分布自然地作为普通高斯分布的锥出现，从而实现期望的同调计算。
• 建立同伦随机变量若累积量相同则为 $L_\infty$ 同伦的结论，提供一种同伦不可区分性准则。

提出的方法

• 通过单位映射 $\upsilon: \mathbb{C} \to V$ 定义带基点的链复形，以建模概率中的乘法单位元 $1$。
• 将单位交换同伦概率空间定义为带有结合、分次交换乘积及链映射期望 $e: V \to \mathbb{C}$ 的带基点链复形。
• 通过包含映射后接拟同构的方式分解期望映射，构造锥，将所有概率数据编码于微分中。
• 利用李代数作用的契瓦莱夫-艾伦贝格复形实现同伦高斯分布为普通高斯分布的锥。
• 通过累积量映射 $\varphi$ 及其逆显式构造同伦，利用 $dy_n = x^n - E(x^n)$ 定义同伦算子 $h(r)$。
• 通过组合插值与精确性，定义同伦随机变量之间的 $L_\infty$ 同伦 $\Lambda_n$，满足 $d(h(r)) = r(x)$，确保与累积量的相容性。

实验结果

研究问题

• RQ1 同伦概率论如何在保留矩与累积量等概率不变量的前提下，取代普通概率空间？
• RQ2 当期望不是代数同态时，微分在编码相关性与矩方面起到什么作用？
• RQ3 同伦高斯分布能否被理解为普通高斯分布的锥？若是，该构造如何促进计算？
• RQ4 在何种条件下两个同伦随机变量为 $L_\infty$ 同伦？这对它们通过累积量的不可区分性意味着什么？
• RQ5 高阶累积量与契瓦莱夫-艾伦贝格复形的结构如何与同伦概率论中的锥构造相关联？

主要发现

• 同伦高斯分布是普通高斯分布的代数锥，其微分通过阿贝尔李代数作用编码了所有矩与累积量。
• 微分满足 $dy_n = x^n - E(x^n)$，表明 $d$ 的像张成中心化多项式空间，从而保证闭元素的精确性。
• 若两个同伦随机变量在度数至 $n$ 内累积量相同，则其第 $n$ 阶矩相等：$e(p^n) = e(q^n)$，此结论通过复合 $\varphi\kappa$ 得到证明。
• 任何满足 $e(r(x)) = 0$ 的闭元素 $r(x)$ 均为精确的，可表示为 $r(x) = \sum a_i (x^i - E(x^i))$，并存在标准同伦 $h(r) = \sum a_i y_i$，使得 $d(h(r)) = r(x)$。
• 构造了同伦随机变量 $X$ 与 $Y$ 之间的 $L_\infty$ 同伦 $\Lambda_n$，通过插值与同伦算子组合，证明其在累积量下不可区分。
• 同伦等价不保持扩展下的不可区分性：两个同伦变量在嵌入更大集合后可能变得可区分，如 $X(1) = x$ 与 $Y(1) = -x$ 虽同伦，但 $\overline{X}$ 与 $\overline{Y}$ 可通过第二累积量区分。