[论文解读] Ergodic convergence rates of Markov processes--eigenvalues, inequalities and ergodic theory

Mu-Fa Chen|ArXiv.org|Apr 24, 2003

Markov Chains and Monte Carlo Methods参考文献 57被引用 13

一句话总结

本文為出生-死亡过程的首个非零特征值（谱间隙）建立了一个新的变分公式，并通过泛函不等式将其与遍历性质联系起来。利用谱间隙估计和加权Hardy不等式，推导出指数遍历性、强遍历性及其他收敛类型的显式判别准则，解决了马尔可夫链理论中长期存在的开放问题，并在黎曼几何与随机过程中有应用。

ABSTRACT

This paper consists of four parts. In the first part, we explain what eigenvalues we are interested in and show the difficulties of the study on the first (non-trivial) eigenvalue through examples. In the second part, we present some (dual) variational formulas and explicit bounds for the first eigenvalue of Laplacian on Riemannian manifolds or Jacobi matrices (Markov chains). Here, a probabilistic approach--the coupling methods is adopted. In the third part, we introduce recent lower bounds of several basic inequalities; these are based on a generalization of Cheeger's approach which comes from Riemannian geometry. In the last part, a diagram of nine different types of ergodicity and a table of explicit criteria for them are presented. These criteria are motivated by the weighted Hardy inequality which comes from Harmonic analysis.

研究动机与目标

• 为连续时间出生-死亡过程的首个非平凡特征值（谱间隙）开发一个新的变分公式。
• 基于转移率，建立各种遍历性类型（指数遍历性、强遍历性、对数 Sobolev 不等式）的显式判别准则。
• 将概率方法与几何谱理论相连接，特别是借鉴黎曼几何中关于拉普拉斯算子特征值的结果。
• 解决马尔可夫链理论中关于遍历收敛速率与谱间隙估计的长期开放问题。
• 通过泛函不等式与加权 Hardy 型估计，统一并扩展现有的遍历性判别准则。

提出的方法

• 提出一种基于概率方法的新变分公式，用于出生-死亡过程的谱间隙 $\lambda_1$，其灵感来自几何谱估计。
• 将该变分公式应用于推导出通过 Poincaré 不等式实现指数遍历性的显式必要与充分条件。
• 使用加权 Hardy 不等式作为关键技术工具，刻画遍历性类型，包括对数 Sobolev 不等式与 Nash 不等式。
• 引入遍历性类型之间的蕴含关系图，表明 $L^1$-指数收敛等价于强遍历性，而其他蕴含关系为单向。
• 基于不变测度 $\mu_i$、出生率 $b_i$ 与死亡率 $a_i$，推导出涉及 $\mu[i,k]$ 与 $\mu[n,\infty)$ 的和的显式判别准则。
• 证明谱间隙 $\lambda_1$ 对速率扰动敏感，当参数变化时，特征函数的次数从线性变为更高阶多项式。

实验结果

研究问题

• RQ1 如何利用新变分公式估计出生-死亡过程的首个非零特征值 $\lambda_1$？
• RQ2 出生率与死亡率的何种显式条件可确保出生-死亡过程的指数遍历性？
• RQ3 泛函不等式（Poincaré、对数 Sobolev、Nash）如何与连续时间马尔可夫链的遍历收敛速率相关联？
• RQ4 强遍历性与 $L^1$ 或熵空间中的指数收敛之间有何关系？二者是否可比？
• RQ5 转移率的扰动如何影响谱间隙与对应特征函数的次数？

主要发现

• 推导出 $\lambda_1$ 的新变分公式，使出生-死亡过程的谱间隙得以显式估计。
• 指数遍历性等价于 Poincaré 不等式，且给出了一个精确判别准则：$\sup_{n\geq 1} \mu[n,\infty) \sum_{j\leq n-1} \frac{1}{\mu_j b_j} < \infty$。
• 强遍历性由 $\sum_{n\geq 0} \frac{1}{\mu_n b_n} \mu[n+1,\infty) < \infty$ 表征，且等价于 $L^1$-指数收敛。
• 若 $\sup_{n\geq 1} \mu[n,\infty)^{-1} \log(\mu[n,\infty)) \sum_{j\leq n-1} \frac{1}{\mu_j b_j} < \infty$，则对数 Sobolev 不等式成立。
• 当死亡率 $a_i$ 从 $2i$ 增加到 $2i+3$ 或 $2i+4+\sqrt{2}$ 时，谱间隙 $\lambda_1$ 可从 1 增加至 2 或 3，即使特征函数的次数从 1 增加至 2 或 3。
• 遍历性类型图表明，强遍历性与熵空间中的指数收敛不可比，所有蕴含关系均为单向，仅 $L^1$-指数收敛与强遍历性之间存在等价关系。