[论文解读] Fine Gaussian fluctuations on the Poisson space II: rescaled kernels, marked processes and geometric U-statistics

Raphaël Lachièze-Rey, Giovanni Peccati|arXiv (Cornell University)|May 3, 2012

Point processes and geometric inequalities参考文献 26被引用 4

一句话总结

该论文针对带缩放核的标记泊松过程上的U统计量，建立了中心极限定理，利用收缩算子推导出显式的Wasserstein距离界。结果表明，在半径分布尾部满足可积性条件时，几何U统计量——如具有随机半径的随机网络中的连通k元组——以速率 $\lambda^{-1/2}$ 收敛于正态分布。

ABSTRACT

Continuing the analysis initiated in Lachiéze-Rey and Peccati (2011), we use contraction operators to study the normal approximation of random variables having the form of a U-statistic written on the points in the support of a random Poisson measure. Applications are provided: to boolean models, and coverage of random networks.

研究动机与目标

• 将[10]中的基于收缩的正态近似框架扩展至带缩放核的标记泊松过程上的U统计量。
• 刻画随机几何中出现的几何U统计量的渐近正态性，例如随机网络中的连通子图。
• 提供此类U统计量分布与高斯极限之间Wasserstein距离的显式、定量界。
• 通过用欧氏距离替代环面度量并引入随机相互作用半径，处理空间过程中的边界效应。
• 完成Reitzner和Schulte（2011）对几何U统计量的表征，采用Hoeffding分解与基于收缩的界。

提出的方法

• 使用收缩算子来界定U统计量与中心化高斯分布之间的Wasserstein距离。
• 应用对称U统计量的有限Wiener–Itô混沌展开与Hoeffding分解理论。
• 通过使用缩放核与平稳性假设，分析空间点过程中的波动。
• 通过涉及随机半径分布尾部函数 $F(r) = \mathbb{P}(R_1 > r)$ 的积分估计，推导出充分条件。
• 通过球坐标变换来界定 $\mathbb{R}^{d(k-1)}$ 上的积分，将问题简化为对 $F(r)$ 的矩条件。
• 通过验证 $\int_{\mathbb{R}_+} F(r) r^{4d-1+\varepsilon} dr < \infty$ 对某个 $\varepsilon > 0$ 成立，建立收敛速率。

实验结果

研究问题

• RQ1 在何种条件下，带缩放核的标记泊松过程上的U统计量会收敛于正态分布？
• RQ2 如何利用收缩算子为这类U统计量推导出Wasserstein距离的显式界？
• RQ3 在随机网络覆盖模型中，确保渐近正态性的半径分布的充分矩条件是什么？
• RQ4 空间过程中的边界效应对几何U统计量极限行为有何影响，又该如何缓解？
• RQ5 该框架能否扩展以刻画U统计量中多个混沌分量的联合收敛？

主要发现

• 对于 $k \geq 2$，在随机半径的随机网络中，设备 $k$ 元组的数量 $N_{k,\lambda}$ 随 $\lambda \to \infty$ 收敛于正态分布。
• 在 $\lambda$ 增大时，$N_{k,\lambda}$ 的方差线性增长，满足 $\mathrm{Var}(N_{k,\lambda}) \sim c_k \lambda$，其中 $c_k > 0$。
• 中心化并标准化后的 $N_{k,\lambda}$ 与标准高斯随机变量之间的Wasserstein距离被界为 $C_k \lambda^{-1/2}$。
• 该收敛的一个充分条件是 $\int_{\mathbb{R}_+} F(r) r^{4d-1+\varepsilon} dr < \infty$ 对某个 $\varepsilon > 0$ 成立，其中 $F(r)$ 为半径分布的尾部。
• 即使使用欧氏距离而非环面度量，该结果依然成立，从而消除了边界效应。
• 基于收缩的方法所得界比基于图解的方法更简洁且更有效，尤其适用于非圆形划分。