[论文解读] Convergence of the Poincare Constant

Oliver Johnson|Jun 21, 2002

Mathematical Dynamics and Fractals参考文献 9被引用 3

一句话总结

本文確立了在中心极限定理中Poincaré常數收斂至1的最優收斂速率，證明對於歸一化和 $ U_n $，有 $ R_{U_n} - 1 \leq C/n $，其中 $ C $ 僅依賴於初始的費雪資訊與Poincaré常數。此外，本文進一步表明，經由小量正態噪音擾動的離散型隨機變數具有有限的Poincaré常數，進而可針對中心極限定理建立相對熵的明確收斂速率。

ABSTRACT

The Poincare constant R(Y) of a random variable Y relates the L2 norm of a function g and its derivative g'. Since R(Y) - Var(Y) is positive, with equality if and only if Y is normal, it can be seen as a distance from the normal distribution. In this paper we establish a best possible rate of convergence of this distance in the Central Limit Theorem. Furthermore, we show that R(Y) is finite for discrete mixtures of normals, allowing us to add rates to the proof of the Central Limit Theorem in the sense of relative entropy.

研究动机与目标

• 確定在古典中心極限定理中，Poincaré常數收斂至1的最優可能速率。
• 證明經由小量獨立正態噪音擾動的離散型隨機變數具有有限的Poincaré常數，進而可獲得定量的收斂結果。
• 利用Poincaré常數作為工具，提供中心極限定理中相對熵收斂的明確速率。
• 建立 $ R_{U_n} - 1 $ 衰減的嚴密界，顯示其為 $ O(1/n) $，且此速率在常數意義下為最優。

提出的方法

• 使用Poincaré常數 $ R_Y $ 作為譜間隔的度量，定義為所有合適函數 $ g $ 的 $ \mathrm{Var}(g(Y)) / \mathbb{E}[g'(Y)^2] $ 的上確界。
• 應用Poincaré常數的次可加性：對於獨立的 $ X,Y $，有 $ R_{X+Y} \leq R_X + R_Y $，並利用此性質控制沿 $ 2^k $ 子序列的衰減。
• 透過得分驅動拉普拉斯算子 $ D_Y g = \rho_Y g' + g'' $ 的特徵函數，使用變分表徵法連結Poincaré常數與費雪資訊。
• 使用擾動論證：對於任意離散型 $ X $，令 $ Y_\tau = X + Z_\tau $，其中 $ Z_\tau \sim N(0,\tau) $，則其Poincaré常數有界於 $ \tau \left(1 + \left(\frac{\sigma^2}{\tau \min_s p_s}\right) \exp\left(\frac{\sigma^2}{\tau \min_s p_s}\right)\right) $。
• 應用引理3.2，以測試函數導數的變異數來界定 $ R_{U_n} - 1 $ 的偏離，並使用局部最大值論證。
• 透過在 $ 2^k $ 子序列上建立遞推不等式，導出 $ u_{2^r} \leq 4 / 2^r $，再利用次可加性將結果推廣至完整序列，從而證明 $ R_{U_n} - 1 = O(1/n) $。

实验结果

研究问题

• RQ1 在古典中心極限定理中，當 $ n \to \infty $ 時，Poincaré常數 $ R_{U_n} $ 收斂至1的最優速率為何？
• RQ2 離散型隨機變數的Poincaré常數是否有限？若是，其在與小量高斯噪音卷積後的值是否存在嚴密界？
• RQ3 Poincaré常數的有限性是否意味著中心極限定理中相對熵收斂速率的明確表達？
• RQ4 是否可透過次可加性與遞推不等式證明 $ R_{U_n} - 1 $ 的 $ O(1/n) $ 衰減速率為最優？

主要发现

• 歸一化和 $ U_n = (X_1 + \cdots + X_n)/\sqrt{n\sigma^2} $ 的Poincaré常數 $ R_{U_n} $ 滿足 $ R_{U_n} - 1 \leq C/n $，其中 $ C $ 僅依賴於初始費雪資訊 $ I $ 與Poincaré常數 $ R $，從而證明此速率在常數意義下為最優。
• 對於任意具有有限支集與變異數 $ \sigma^2 $ 的離散型隨機變數 $ X $，其擾動變數 $ Y_\tau = X + Z_\tau $（其中 $ Z_\tau \sim N(0,\tau) $）具有有限的Poincaré常數，且其上界為 $ \tau \left(1 + \left(\frac{\sigma^2}{\tau \min_s p_s}\right) \exp\left(\frac{\sigma^2}{\tau \min_s p_s}\right)\right) $。
• $ R_{U_n} $ 收斂至1的過程是嚴密的，即 $ R_{U_n} - 1 $ 不可能快於 $ O(1/n) $ 的衰減，此點由使用 $ g(x) = x^2 - 1 $ 及四階矩的反例所證明。
• $ Y = X + Z_\tau $ 的 $ R_Y $ 有限性意味著其與常態分配的相對熵距離以受控速率衰減，進而可導出 $ L^1 $ 範圍內與指數型函數期望的強收斂結果。
• 證明使用了在 $ 2^k $ 子序列上的遞推不等式：$ (R_{S_{k+1}} - 1)^2 \leq C(R_{S_{k+1}} - R_{S_k}) $，此式經補齊間隔後可導出 $ R_{U_n} - 1 = O(1/n) $。
• 此結果意味著，對於任意連續函數 $ w $ 滿足 $ |w(t)| \leq \exp(c|t|) $（其中 $ c < 1/(12\sqrt{R}) $），有 $ \mathbb{E}[w(U_n)] \to \mathbb{E}[w(Z)] $，顯示在指數矩控制下收斂至依機率分布。