[论文解读] Optimized estimates of the regularity of the conditional distribution of the sample mean

Victor Chulaevsky|arXiv (Cornell University)|Aug 19, 2014

Stochastic processes and financial applications参考文献 2被引用 3

一句话总结

本文为独立同分布随机变量波动下样本均值条件分布的正则性提供了优化估计，通过用分布界替代概率界，实现了最优正则性指数。关键结果建立了形式为 $\mathbb{P}(\xi_N \in I_s(\eta)) \leq C N s$ 的精确界，适用于具有有界对数导数的光滑紧支集密度，改进了随机算子中特征值集中问题的先前结果。

ABSTRACT

We give an improved estimate for the regularity of the conditional distribution of the empiric mean of a finite sample of IID random variables, conditional on the sample "fluctuations", extending the well-known property of Gaussian IID samples. Specifically, we replace the bounds in probability, established in our earlier works, by those in distribution, and this results in the optimal regularity exponent in the final estimate.

研究动机与目标

• 改进独立同分布随机变量波动下样本均值条件分布的正则性估计。
• 用更强的分布界替代先前的概率界，以实现最优正则性指数。
• 为多体Anderson型哈密顿量中的特征值集中建立精确的Wegner型界。
• 分析当基础分布具有光滑、紧支集密度且对数导数有界时，样本均值的条件密度。

提出的方法

• 基于密度支集的离散化，将样本空间划分为立方体，网格大小为 $M_N = N^2$。
• 利用有界对数导数条件控制每个立方体内联合密度的相对变化。
• 在每个立方体内，原始测度与均匀测度等价，误差因子为 $e^{\pm 2\alpha_N}$，其中 $\alpha_N = \ell N^{-1}$。
• 在每个立方体上应用不等式 $\mathbb{P}_{\mathbf{k}}(\xi \in I_s(\eta)) \leq C N s$，并通过并集界合并。
• 利用分部积分和Stieltjes积分估计控制尾部行为，并优化最终界。
• 在光滑性假设下，推导出最终估计 $\mathbb{P}(\xi_N \in I_s(\eta)) \leq C N s$，其中 $s \in (0, \ell N^{-2})$。

实验结果

研究问题

• RQ1 在独立同分布随机变量波动下，样本均值条件分布的最优正则性指数是什么？
• RQ2 如何改进条件密度的概率界，以在随机算子理论背景下实现精确估计？
• RQ3 密度的有界对数导数在多大程度上保证了样本均值条件分布的正则性？
• RQ4 能否通过改进的正则性估计，为多体系统中的特征值集中导出更精确的Wegner型界？
• RQ5 划分方式的选择以及立方体内测度等价性如何影响条件概率的最终界？

主要发现

• 本文在样本均值条件密度的界中实现了最优正则性指数，优于早期的概率估计。
• 对于具有有界对数导数的光滑紧支集密度，条件概率满足 $\mathbb{P}(\xi_N \in I_s(\eta)) \leq C N s$，其中 $s \in (0, \ell N^{-2})$，常数 $C$ 依赖于分布和支集长度。
• 该界通过 $M_N = N^2$ 的立方体划分方案和每个立方体内测度等价性（误差因子为 $e^{\pm 2\alpha_N}$，$\alpha_N = \ell N^{-1}$）推导得出。
• 该方法用分布界替代了早期的概率界，从而得到更紧致且最优的估计。
• 该结果被应用于推导随机DSO哈密顿量中特征值集中的改进Wegner型界。
• 在给定假设下，最终界 $\mathbb{P}(\xi_N \in I_s(\eta)) \leq C N s$ 被证明是精确的，其中 $C$ 为有限常数，且依赖于密度和支集长度。