[论文解读] Stabilization and limit theorems for geometric functionals of Gibbs point processes

T. Schreiber, J. E. Yukich|ArXiv.org|Feb 5, 2008

Point processes and geometric inequalities参考文献 27被引用 5

一句话总结

该论文在稳定性和弱势能衰减条件下，为 ℝᵈ 中吉布斯点过程的几何泛函建立了弱大数定律和中心极限定理。该研究将经典的大数定律和中心极限定理从泊松过程推广至吉布斯过程，证明了收敛到高斯场的结果，并为随机顺序填充、几何图以及吉布斯输入下的量化中泛函的渐近分析提供了理论基础，且给出了显式的方差极限。

ABSTRACT

Given a Gibbs point process $¶^Ψ$ on $\R^d$ having a weak enough potential $Ψ$, we consider the random measures $μ_\la := \sum_{x \in ¶^Ψ \cap Q_\la} ξ(x, ¶^Ψ \cap Q_\la) δ_{x/\la^{1/d}}$, where $Q_{\la} := [-\la^{1/d}/2,\la^{1/d}/2]^d$ is the volume $\la$ cube and where $ξ(\cdot,\cdot)$ is a translation invariant stabilizing functional. Subject to $Ψ$ satisfying a localization property and translation invariance, we establish weak laws of large numbers for $\la^{-1} μ_\la(f)$, $f$ a bounded test function on $\R^d$, and weak convergence of $\la^{-1/2} μ_\la(f),$ suitably centered, to a Gaussian field acting on bounded test functions. The result yields limit laws for geometric functionals on Gibbs point processes including the Strauss and area interaction point processes as well as more general point processes defined by the Widom-Rowlinson and hard-core model. We provide applications to random sequential packing on Gibbsian input, to functionals of Euclidean graphs, networks, and percolation models on Gibbsian input, and to quantization via Gibbsian input.

研究动机与目标

• 将基于稳定性的极限定理从泊松过程推广至具有弱衰减势能的吉布斯点过程。
• 为包括斯特劳斯、面积交互、威多姆-罗林森和硬核模型在内的吉布斯输入的几何泛函，建立弱大数定律和中心极限定理。
• 为随机顺序填充、几何图以及吉布斯输入下的量化中泛函的渐近分析提供理论基础。
• 通过截断密度的逼近和 Stein 方法，处理强度函数不远离零的情况。

提出的方法

• 使用平移不变泛函 ξ(x, ℛ) 在点过程 ℛ 上的稳定化框架，要求 ξ 仅依赖于 x 的有限随机邻域。
• 对吉布斯势 Ψ 施加局部化条件，并假设稳定化半径呈指数衰减，以确保矩控制和弱收敛。
• 应用有界扰动技术处理量化中非均匀强度函数 h 的情形，使用截断版本 hε 确保有界性，然后取 ε→0。
• 在 L² 和矩条件之下，通过弱大数定律和中心极限定理，建立缩放测度 μλ(f) = ∑ξ(x, ℛ∩Qλ)δx/λ¹ᐟᵈ 的收敛性。
• 使用 Stein 方法证明中心化、缩放测度 λ⁻¹ᐟ²⟨f, μλ⟩ 的渐近高斯性。
• 通过泛函 Vξ(τ) = ℰ[ξ(0, ℛ)²] + τ∫ℝᵈ(ℰ[ξ(0,ℛ∪{z})ξ(z,ℛ∪{0})] − ℰ[ξ(0,ℛ)²])dz 推导出显式的方差极限。

实验结果

研究问题

• RQ1 能否将基于稳定性的泊松过程极限定理推广至具有弱衰减势能的吉布斯点过程？
• RQ2 吉布斯输入的几何泛函（如斯特劳斯或面积交互过程中的泛函）是否满足弱大数定律和中心极限定理？
• RQ3 当输入为吉布斯过程而非泊松过程时，能否为随机顺序填充和几何图中的泛函建立极限定理？
• RQ4 在量化泛函的渐近分析中，如何处理强度函数 h 不远离零的情况？
• RQ5 吉布斯泛函的中心极限定理中，渐近方差的精确形式是什么？

主要发现

• 对于 Q₁ 上的有界测试函数 f，归一化泛函 λ⁻¹⟨f, μλ⟩ 在 L¹ 和 L² 中收敛于 τℰ[ξ(0, ℛ)]∫Q₁f(x)dx，从而确立了弱大数定律。
• 缩放中心测度 λ⁻¹ᐟ²⟨f, μλ⟩ 弱收敛于一个高斯场，其协方差核为 (f,g) ↦ τVξ(τ)∫Q₁f(x)g(x)dx。
• 渐近方差由 Vξ(τ) = ℰ[ξ(0, ℛ)²] + τ∫ℝᵈ(ℰ[ξ(0,ℛ∪{z})ξ(z,ℛ∪{0})] − ℰ[ξ(0,ℛ)²])dz 显式给出。
• 对于强度为 h 的量化泛函，通过使用 hε = max(h,ε) 进行逼近，并应用有界收敛定理，方法可处理 h 不远离零的情形。
• 即使 h 不远离零，中心极限定理依然成立，这通过将 Stein 方法应用于扰动泛函得以证明。
• 在弱势能条件下，该结果适用于包括斯特劳斯、面积交互、威多姆-罗林森和硬核过程在内的广泛吉布斯模型。