[论文解读] Stein's method for asymmetric $α$-stable distributions, with application to the stable CLT

Peng Chen, Ivan Nourdin+1 more|arXiv (Cornell University)|Aug 7, 2018

Random Matrices and Applications参考文献 7被引用 3

一句话总结

本文为一维非对称 $\alpha$-稳定分布提出了一种新颖的 Stein 方法，引入了一类分式型生成器算子，该算子推广了分式拉普拉斯算子。研究建立了关于 $\alpha$-稳定分布逼近的 Wasserstein 距离上界，并将其应用于稳定中心极限定理，推导出即使在经典正态吸引域之外（如重尾缓慢变型的帕累托型分布）的分布中，也具有明确的误差率。

ABSTRACT

This paper is concerned with the Stein's method associated with a (possibly) asymmetric $α$-stable distribution $Z$, in dimension one. More precisely, its goal is twofold. In the first part, we exhibit a genuine bound for the Wasserstein distance between $Z$ and any integrable random variable $X$, in terms of an operator that reduces to the classical fractional Laplacian in the symmetric case. Then, in the second part we apply the aforementioned bound to compute error rates in the stable central limit theorem, when the entries are in the domain $\mathcal{D}_α$ of normal attraction of a stable law of exponent $α$. To conclude, we study the specific case where the entries are Pareto like multiplied by a slowly varying function, which provides an example of random variables that do not belong to $\mathcal{D}_α$, but for which our approach continues to apply.

研究动机与目标

• 将 Stein 方法扩展至 $\alpha \in (1,2)$ 范围内的非对称 $\alpha$-稳定分布，此前的研究仅限于对称情形。
• 提出一个新的生成器算子 $\mathcal{L}^{\alpha,\beta}$，当 $\beta = 0$ 时退化为分式拉普拉斯算子，从而实现逼近上界。
• 通过留一法（leave-one-out）方法，建立任意可积随机变量 $X$ 与目标 $Z \sim S_{\alpha}(1,\beta)$ 之间的定量 Wasserstein 距离上界。
• 将该上界应用于稳定中心极限定理（稳定 CLT），计算当加数项属于正态吸引域 $\mathcal{D}_{\alpha}$ 时的显式误差率。
• 通过分析具有缓慢变型尾部的帕累托型分布，将方法拓展至 $\mathcal{D}_{\alpha}$ 之外，证明即使在经典条件不成立时，该方法依然有效。

提出的方法

• 通过涉及不对称参数 $\beta$ 的奇异积分，定义一种新颖的生成器算子 $\mathcal{L}^{\alpha,\beta}$，该算子推广了分式拉普拉斯算子。
• 通过不等式 $d_W(\mathcal{L}(X), \mathcal{L}(Z)) \leq \sup \left| \mathbb{E}[(\mathcal{L}^{\alpha,\beta}\phi)(X)] - \frac{1}{\alpha}\mathbb{E}[X\phi'(X)] \right|$ 建立 Wasserstein 距离上界，其中上确界取遍所有具有有界二阶导数的 1-利普希茨函数。
• 应用留一法技术，通过逐次移除一项来控制稳定 CLT 中的误差，将和 $S_n$ 与条件版本 $\widetilde{S}_{n,i}$ 进行比较。
• 采用截断与对数尺度方案，令 $\gamma_n = \log n$，以处理重尾增量，从而控制尾部贡献。
• 通过积分表示与 $\phi'$ 和 $\phi''$ 的 $L^\infty$ 范数，将 $\mathbb{E}[X_i \phi'(\widetilde{S}_{n,i} + aX_i)]$ 与生成器项之间的差异进行分解，建立误差上界。
• 结合生成器逼近与留一法校正的估计，最终导出 Wasserstein 距离的速率 $O((\log n)^{-1})$。

实验结果

研究问题

• RQ1 能否将 Stein 方法扩展至 $\alpha \in (1,2)$ 范围内的非对称 $\alpha$-稳定分布，超越对称情形？
• RQ2 是否存在一个合适的生成器算子 $\mathcal{L}^{\alpha,\beta}$，能够刻画非对称 $\alpha$-稳定分布，并在 $\beta = 0$ 时退化为分式拉普拉斯算子？
• RQ3 能否基于此新的生成器驱动的 Stein 方法，推导出稳定中心极限定理中的显式误差率？
• RQ4 当分布不属于经典正态吸引域 $\mathcal{D}_{\alpha}$ 时（如具有缓慢变型尾部的分布），该方法是否依然有效？
• RQ5 在此框架下，对于 i.i.d. 重尾随机变量之和，Wasserstein 距离的最优收敛速率是多少？

主要发现

• 构建了适用于非对称 $\alpha$-稳定分布的新生成器算子 $\mathcal{L}^{\alpha,\beta}$，当 $\beta = 0$ 时退化为分式拉普拉斯算子。
• 建立了 Wasserstein 距离上界：$d_W(\mathcal{L}(X), \mathcal{L}(Z)) \leq \sup \left| \mathbb{E}[(\mathcal{L}^{\alpha,\beta}\phi)(X)] - \frac{1}{\alpha}\mathbb{E}[X\phi'(X)] \right|$，对所有可积 $X$ 成立。
• 对于属于 $\mathcal{D}_{\alpha}$ 的 i.i.d. 随机变量之和 $S_n$，该方法给出误差率 $d_W(\widetilde{S}_n, S\alpha S(1)) = O((\log n)^{-1})$。
• 该方法可推广至 $\mathcal{D}_{\alpha}$ 之外：对于具有缓慢变型尾部的帕累托型变量，同样可达到 $O((\log n)^{-1})$ 的误差率。
• 误差界通过留一法推导，关键估计依赖于 $\phi'$ 与 $\phi''$ 的 $L^\infty$ 范数，以及截断阈值的对数尺度。
• 在给定假设下，最终速率 $O((\log n)^{-1})$ 被证明是紧的，优于该设定下的经典傅里叶分析界。