[论文解读] New Kolmogorov bounds for functionals of binomial point processes

Raphaël Lachièze-Rey, Giovanni Peccati|arXiv (Cornell University)|May 18, 2015

Point processes and geometric inequalities参考文献 28被引用 5

一句话总结

本文通过使用 Stein 方法与新颖的随机差分算子，为二项点过程泛函在 Kolmogorov 距离下建立了新的显式 Berry-Esseen 估计。其结果比以往基于 Wasserstein 距离的估计更为紧密，并提出了 Hoeffding 分解的新表示形式，以推导有效的方差下界，应用包括随机几何中的 Voronoi 集近似与覆盖过程。

ABSTRACT

We obtain explicit Berry-Esseen bounds in the Kolmogorov distance for the normal approximation of non-linear functionals of vectors of independent random variables. Our results are based on the use of Stein's method and of random difference operators, and generalise the bounds recently obtained by Chatterjee (2008), concerning normal approximations in the Wasserstein distance. In order to obtain lower bounds for variances, we also revisit the classical Hoeffding decompositions, for which we provide a new proof and a new representation. Several applications are discussed in detail: in particular, new Berry-Esseen bounds are obtained for set approximations with random tessellations, as well as for functionals of covering processes.

研究动机与目标

• 推导独立随机变量泛函分布与正态分布之间 Kolmogorov 距离的显式上界。
• 通过实现与现有 Wasserstein 估计相当数量级的 Kolmogorov 距离上界，改进已有的 Wasserstein 基估计。
• 利用差分算子提出 Hoeffding 分解核的新表示形式，以实现对方差的有效下界估计。
• 将理论结果应用于具有非光滑边界几何泛函，如 Voronoi 集近似与覆盖过程。
• 扩展先前在随机几何中关于具有复杂依赖结构的泛函的正态近似结果。

提出的方法

• 采用 Stein 方法进行正态近似，聚焦于通过新型解的估计来控制 Stein 方程的 Kolmogorov 距离。
• 引入使用随机差分算子表示 Hoeffding 分解核的新方法，以促进对方差下界的估计。
• 利用二阶差分算子控制二项点过程泛函中的依赖结构。
• 通过分析体积近似（如 Voronoi 划分）与覆盖过程等泛函，将该框架应用于几何模型。
• 利用泛函增量的矩界（如 $\mathbf{E} \sup_j |\Delta_j f(X)|^p$）推导出界中显式常数。
• 以 $d_K \leq 2\sqrt{d_W}$ 作为基线，但通过更精确的 Stein 解估计，直接改进 $d_K$ 的界。

实验结果

研究问题

• RQ1 能否为二项点过程泛函在 Kolmogorov 距离下建立显式 Berry-Esseen 估计，使其数量级与现有 Wasserstein 估计相当？
• RQ2 如何利用差分算子重写 Hoeffding 分解，以实现对方差的有效下界估计？
• RQ3 使用 Voronoi 划分对具有非正则或分形边界的集合进行体积近似时，Kolmogorov 距离的上界是什么？
• RQ4 该框架能否扩展至覆盖过程及其他具有复杂依赖结构的几何泛函？
• RQ5 在何种矩条件下，新估计可应用于如随机导体中通量或最近邻统计等模型？

主要发现

• 本文建立了 $d_K(f(X), N)$ 的一类新显式上界，其数量级与目前最优的 Wasserstein 上界相当。
• 通过差分算子导出了 Hoeffding 分解核的新表示形式，实现了对 $\mathrm{Var}f(X)$ 的有效下界估计。
• 对于具有分形维数 $s > d-1$ 的自相似边界的集合，其 Voronoi 集近似中 Kolmogorov 距离被控制为 $C n^{-s/2d} \log n$，优于先前结果。
• 该方法给出了 $\delta_1' \leq C \delta_1$ 的 Kolmogorov 距离分量界，其数量级与 Chatterjee (2008) 的 Wasserstein 上界一致。
• 对于随机导体中的通量，Kolmogorov 距离满足 $\delta_1 + \delta_2 + \delta_1' + \delta_2' \leq C(\delta_1 + L^{-2d} \sqrt{\mathbf{E}|\Phi_0|^{12}})$，将 Nolen (2011) 的结果扩展至 Kolmogorov 设置。
• 该框架适用于最近邻距离与 Levina-Bickel 统计量等几何泛函，在 $\gamma_p$ 或 $\mathbf{E}|\Phi_0|^p$ 的矩条件下可导出显式界。