[论文解读] Multivariate approximation in total variation

A. D. Barbour, Malwina Luczak+1 more|arXiv (Cornell University)|Dec 23, 2015

Stochastic processes and statistical mechanics被引用 3

一句话总结

本文为 $ frac{\mathbb{Z}^d$ 中的随机向量在总变差距离下建立了多变量离散正态近似的一般化 Stein 方法框架。通过推导出解的有界性的 Stein 方程，并将其应用于独立整数值向量的和、马尔可夫过程的平稳分布以及交换对，本文建立了一个通用的近似定理，并将其应用于正则图的随机染色问题。

ABSTRACT

The paper lays the framework for the discrete normal approximation in total variation of random vectors in $Z^d$, using Stein's method. We derive an appropriate Stein equation, together with bounds on its solutions and their differences, and use them to formulate a general discrete normal approximation theorem. We illustrate the use of the method in three settings: sums of independent integer valued random vectors, equilibrium distributions of Markov population processes, and random vectors exhibiting an exchangeable pair. We conclude with an application to random colourings of regular graphs.

研究动机与目标

• 为 $ frac{\mathbb{Z}^d$ 取值的随机向量在总变差距离下建立多变量离散正态近似的通用框架。
• 解决在多变量离散设定下使用 Stein 方法时缺乏系统性总变差界控制的问题。
• 推导适用于高维离散正态近似的合适 Stein 方程及其解的有界性。
• 将该框架应用于三种不同的概率模型：独立整数值向量的和、马尔可夫种群过程的平稳分布，以及交换对。
• 通过正则图的随机染色问题的应用，展示该方法的实用性。

提出的方法

• 推导出适用于 $ frac{\mathbb{Z}^d$ 中离散正态近似的多变量 Stein 方程。
• 建立 Stein 方程解及其差值的有界性，这对于控制总变差误差至关重要。
• 通过利用依赖结构和矩条件，将该框架应用于独立整数值随机向量的和。
• 通过利用生成元的性质，将该方法适配于马尔可夫种群过程的平稳分布。
• 利用交换对方法，在对称性和弱依赖条件下推导出近似界。
• 通过将其应用于正则图的随机染色问题，验证了该方法的鲁棒性，表明其收敛于多变量正态分布。

实验结果

研究问题

• RQ1 如何将 Stein 方法扩展，以在 $ frac{\mathbb{Z}^d$ 中提供多变量离散正态近似的总变差界？
• RQ2 适用于离散多变量正态近似的合适 Stein 方程及其解的有界性是什么？
• RQ3 该框架能否应用于具有受控依赖性的独立整数值随机向量的和？
• RQ4 该方法在离散设定下对马尔可夫种群过程的平稳分布表现如何？
• RQ5 该方法在交换对和随机图染色问题中的适用性如何？

主要发现

• 通过量身定制的 Stein 方程和解的有界性，本文建立了一个通用的多变量离散正态近似定理，适用于总变差距离。
• 在矩条件和依赖结构受控的前提下，该方法为独立整数值随机向量的和提供了明确的总变差界。
• 该框架成功扩展至马尔可夫种群过程的平稳分布，通过基于生成元的分析提供了近似保证。
• 交换对构造使得在弱依赖和对称性条件下能够获得稳健的近似界。
• 将该方法应用于正则图的随机染色问题，表明其收敛于多变量正态分布，验证了该方法的实际应用价值。