[论文解读] "Exact" deviations in Wasserstein distance for empirical and occupation measures

Emmanuel Boissard, Thibaut Le Gouic|arXiv (Cornell University)|Mar 16, 2011

Geometric Analysis and Curvature Flows被引用 2

一句话总结

本文通过传输-熵不等式和大数集中方法，建立了在 1- Wasserstein 距离下经验测度与物元测度的非渐近偏差界限。在波兰空间上，于一般条件下提供了简洁而精确的偏差控制证明，将结果推广至具有压缩动力学的马尔可夫链，并包含高斯测度与扩散过程等应用。

ABSTRACT

We study the problem of non-asymptotic deviations between a reference measure and its empirical version, in the 1-Wasserstein metric, under the standing assumption that the measure satisfies a transport-entropy inequality. We extend some results of F. Bolley, A. Guillin and C. Villani with simple proofs. Our methods are based on concentration inequalities and extend to the general setting of measures on a Polish space. Deviation bounds for the occupation measure of a Markov chain are also given, under the assumption that the chain is contractive on the space of Lipschitz functions. Throughout the text, several examples are worked out, including the cases of Gaussian measures on separable Banach spaces, and laws of diffusion processes.

研究动机与目标

• 在 1-Wasserstein 距离下，推导参考概率测度与其经验对应测度之间的非渐近偏差界限。
• 在最小假设下，通过更简单、更一般化的证明，扩展 Bolley、Guillin 与 Villani 的现有结果。
• 将框架推广至波兰空间上的测度，使其适用范围超越紧致或有界区域。
• 在 Lipschitz 函数空间上假设链的压缩性，建立马尔可夫链物元测度的偏差控制。
• 提供具体实例，包括可分 Banach 空间上的高斯测度以及扩散过程的分布。

提出的方法

• 以传输-熵不等式作为核心结构假设，以控制 Wasserstein 偏差。
• 应用大数集中方法，推导经验测度偏差的尾部界限。
• 采用耦合与运输方法，通过 1-Wasserstein 距离将经验测度与参考测度关联。
• 通过假设在 Lipschitz 函数空间上的压缩性，将结果扩展至马尔可夫链，以确保物元测度的稳定性。
• 利用 Lipschitz 函数与概率测度之间的对偶性，刻画 1-Wasserstein 距离。
• 将框架应用于具体实例，如高斯测度与扩散过程，以说明理论界限的实际应用。

实验结果

研究问题

• RQ1 在最小假设下，如何在 1-Wasserstein 距离下推导经验测度的非渐近偏差界限？
• RQ2 传输-熵不等式在控制 Wasserstein 偏差中起到何种作用？
• RQ3 该框架能否推广至紧致或有界区域之外的一般波兰空间？
• RQ4 马尔可夫链物元测度的偏差界限如何依赖于其在 Lipschitz 函数上的压缩行为？
• RQ5 在高斯测度与扩散过程等具体情形下，经验测度的显式界限是什么？

主要发现

• 本文仅通过一个传输-熵不等式，即无需有界性或紧致性假设，推导出在 1-Wasserstein 距离下经验测度的非渐近偏差界限。
• 与先前工作相比，证明过程更为简化和一般化，依赖于 Wasserstein 空间中的集中不等式与对偶性。
• 在 Lipschitz 函数空间上假设链具有压缩性时，建立了马尔可夫链物元测度的偏差界限。
• 该框架适用于一般波兰空间，适用于如可分 Banach 空间等无限维情形。
• 推导出可分 Banach 空间上高斯测度及扩散过程分布的显式界限，展示了该方法的实际相关性。
• 结果在最小正则性条件下，为经验测度、物元测度与一般测度的偏差控制提供统一方法。