[论文解读] Stein's method for Brownian approximations

Laure Coutin, Laurent Decreusefond|arXiv (Cornell University)|Jul 15, 2012

Random Matrices and Applications参考文献 7被引用 3

一句话总结

该论文在希尔伯特空间中构建了用于 Wasserstein 距离近似的一套 Stein 方法框架，以分析通过泊松过程和 Donsker 定理近似布朗运动时的收敛速率。通过将 Malliavin 微积分与希尔伯特空间上 Hölder 连续函数空间中的 Stein 方法相结合，该研究证明了泊松过程近似布朗运动的收敛速率为 $\lambda^{-1/2}$，从而解决了先前方法中因路径不连续性导致的差距。

ABSTRACT

Motivated by a theorem of Barbour, we revisit some of the classical limit theorems in probability from the viewpoint of the Stein method. We setup the framework to bound Wasserstein distances between some distributions on infinite dimensional spaces. We show that the convergence rate for the Poisson approximation of the Brownian motion is as expected proportional to $\\lambda^{-1/2}$ where $\\lambda$ is the intensity of the Poisson process. We also exhibit the speed of convergence for the Donsker Theorem and for the linear interpolation of the Brownian motion. By iterating the procedure, we give Edgeworth expansions with precise error bounds.

研究动机与目标

• 开发一种用于在无限维希尔伯特空间上概率测度之间有界 Wasserstein 距离的 Stein 方法框架。
• 解决在用泊松过程近似布朗运动时，由于路径不连续性导致的收敛速率差异问题。
• 通过改进的近似框架，建立 Donsker 定理及布朗运动线性插值的收敛速度。
• 通过引入用于希尔伯特空间值过程的 Malliavin 微积分，将 Stein 方法从有限维高斯近似推广至更广泛情形。

提出的方法

• 在希尔伯特空间上使用两种 Malliavin 梯度形式化 Stein 方法：一种用于刻画目标高斯测度，另一种用于近似过程。
• 应用 Malliavin 微积分中的分部积分公式，避免在 Stein 方法中显式构造耦合。
• 使用空间 $\mathcal{I}_{\beta,2}$（其中 $\beta < 1/2$）来嵌入分段可微的泊松路径与 Hölder 连续的布朗路径。
• 通过涉及 $1$-Lipschitz 函数及其二阶导数的 Stein 方程解，推导 Wasserstein 距离的上界。
• 利用转移原理，通过连续线性算子将标准布朗运动的结果推广至分数布朗运动。
• 通过算子范数和分数积分算子（特别是 $I^{1-\beta}_{0^+}$）控制误差项，从而推导收敛速率。

实验结果

研究问题

• RQ1 归一化的补偿泊松过程在 Wasserstein 距离下逼近布朗运动的收敛速率是多少？
• RQ2 如何将 Stein 方法适配于无限维希尔伯特空间，以分析分布收敛性？
• RQ3 能否通过统一的函数空间框架解决泊松-布朗运动近似中的路径不连续性问题？
• RQ4 在使用随机游走的线性插值时，Donsker 定理的收敛速度是多少？
• RQ5 收敛速率如何依赖于极限过程的正则性，例如分数布朗运动的 Hurst 指数 $H$？

主要发现

• 泊松过程近似布朗运动的收敛速率为 $\lambda^{-1/2}$，尽管先前研究曾提出存在校正项，本研究证实了该速率是正确的。
• 该框架通过将两类过程嵌入空间 $\mathcal{I}_{\beta,2}$（其中 $\beta < 1/2$）解决了路径不连续性问题，确保了共同的正则性。
• 对于 Donsker 定理，当使用对称随机游走的线性插值时，收敛速率被证明为 $\lambda^{-1/2}$。
• 该方法在用泊松混沌近似 Hurst 指数为 $H$ 的分数布朗运动时，实现了 $\frac{a}{3\sqrt{\lambda}}$ 的收敛速率。
• 误差界通过范数 $\sum_{j=1}^{m}\|H_{m}^{\sharp}(j)\|_{l^2(\mathbb{N})}^3 \leq \frac{m^{3\beta - 7/2}}{(1-\beta)\Gamma(1-\beta)^2}$ 控制，该范数主导了收敛速率。
• 转移原理允许通过算子 $\Theta_H = K_H \circ I^{-1}_{0^+}$ 将结果推广至分数布朗运动，同时保持收敛速率不变。