[论文解读] Normal approximation on Poisson spaces: Mehler's formula, second order Poincar\'e inequalities and stabilization

Giovanni Peccati, Matthias Schulte|arXiv (Cornell University)|Jan 29, 2014

Point processes and geometric inequalities参考文献 51被引用 10

一句话总结

本文利用迭代庞加莱不等式、默里辛微积分、 Stein 方法以及整合的梅勒公式，为泊松过程的泛函建立了新的正态近似界。通过使用具有明确几何解释的一阶与二阶微分算子，该方法在 Wasserstein 距离与 Kolmogorov 距离下实现了对稳定化几何泛函（如 k-最近邻图中的边长和 Voronoi 划分中的固有体积）的最优收敛速率。

ABSTRACT

We prove a new class of inequalities, yielding bounds for the normal approximation in the Wasserstein and the Kolmogorov distance of functionals of a general Poisson process (Poisson random measure). Our approach is based on an iteration of the classical Poincar\'e inequality, as well as on the use of Malliavin operators, of Stein's method, and of an (integrated) Mehler's formula, providing a representation of the Ornstein-Uhlenbeck semigroup in terms of thinned Poisson processes. Our estimates only involve first and second order differential operators, and have consequently a clear geometric interpretation. In particular we will show that our results are perfectly tailored to deal with the normal approximation of geometric functionals displaying a weak form of stabilization, and with non-linear functionals of Poisson shot-noise processes. We discuss two examples of stabilizing functionals in great detail: (i) the edge length of the $k$-nearest neighbour graph, (ii) intrinsic volumes of $k$-faces of Voronoi tessellations. In all these examples we obtain rates of convergence (in the Kolmogorov and the Wasserstein distance) that one can reasonably conjecture to be optimal, thus significantly improving previous findings in the literature. As a necessary step in our analysis, we also derive new lower bounds for variances of Poisson functionals.

研究动机与目标

• 建立一般泊松过程泛函在 Wasserstein 距离与 Kolmogorov 距离下的精确正态近似界。
• 基于迭代庞加莱不等式与默里辛算子，发展用于方差与分布估计的框架。
• 提出一种具有几何可解释性的方法，利用一阶与二阶微分算子。
• 分析如 k-NN 图中的边长与 Voronoi 划分中的固有体积等稳定化泛函。
• 作为关键技术步骤，推导泊松泛函方差的新下界。

提出的方法

• 使用梅勒公式的整合形式，通过稀释泊松过程表示奥恩斯坦-乌伦贝克半群。
• 将 Stein 方法与默里辛微积分相结合，推导 Wasserstein 距离与 Kolmogorov 距离的界。
• 应用迭代庞加莱不等式以控制高阶混沌展开。
• 利用一阶与二阶微分算子量化泛函的几何敏感性。
• 该方法针对表现出弱稳定性的泛函进行定制，从而实现精确的渐近分析。
• 作为主近似结果的必要组成部分，推导出方差的下界。

实验结果

研究问题

• RQ1 能否在泊松过程的几何泛函正态近似中实现最优收敛速率？
• RQ2 如何利用默里辛微积分、Stein 方法与梅勒公式之间的相互作用来推导分布界？
• RQ3 一阶与二阶微分算子在量化几何稳定性方面起到何种作用？
• RQ4 所提出的方法在多大程度上可处理泊松脉冲噪声过程的非线性泛函？
• RQ5 所推导的方差下界是否足以确保正态近似误差的精确性？

主要发现

• 本文在 Wasserstein 距离与 Kolmogorov 距离下，为泊松过程的稳定化泛函建立了最优收敛速率。
• 对于 k-最近邻图的边长，该方法得到的收敛速率被推测为最优。
• 在所提出的框架下，Voronoi 划分中 k-面的固有体积收敛到正态分布的速率被证明为最优。
• 该方法显著优于文献中针对此类几何泛函的先前结果。
• 推导出泊松泛函方差的新下界，这对近似界精确性至关重要。
• 利用一阶与二阶微分算子可清晰地解释收敛行为的几何意义。