[论文解读] Strong and Weak Laws of Large Numbers for Frechet Sample Means in Bounded Metric Spaces

Cedric E. Ginestet|arXiv (Cornell University)|Apr 14, 2012

Probability and Risk Models被引用 4

一句话总结

本文在有界度量空间中建立了弗雷chet样本均值的强大数定律和弱大数定律，特别针对图值随机变量。通过将几乎必然收敛与Kuratowski外极限联系起来，并利用有限顶点图中的有界性，证明了所有阶次的受限与非受限弗雷chet均值的强一致性，推广了先前的结果。

ABSTRACT

The Frechet mean or barycenter generalizes the idea of averaging in spaces where pairwise addition is not well-defined. In general metric spaces, the Frechet sample mean is not a consistent estimator of the theoretical Frechet mean. For graph-valued random variables, for instance, the Frechet sample mean may fail to converge to a unique value. Hence, it becomes necessary to consider the convergence of sequences of sets of graphs. We show that a specific type of almost sure convergence for the Frechet sample mean previously introduced by Ziezold (1977) is, in fact, equivalent to the Kuratowski outer limit of a sequence of Frechet sample means. Equipped with this outer limit, we provide a new proof of the strong consistency of the Frechet sample mean for graph-valued random variables in separable (pseudo-)metric space. Our proof strategy exploits the fact that the metric of interest is bounded, since we are considering graphs over a finite number of vertices. In this setting, we describe two strong laws of large numbers for both the restricted and unrestricted Frechet sample means of all orders, thereby generalizing a previous result, due to Sverdrup-Thygeson (1981).

研究动机与目标

• 解决在一般度量空间中弗雷chet样本均值作为理论弗雷chet均值估计量时的一致性缺失问题。
• 解决图值随机变量中的收敛性问题，其中样本均值可能无法收敛到唯一值。
• 在具有有界度量的可分（伪）度量空间中，建立弗雷chet样本均值的强大数定律和弱大数定律。
• 通过将Sverdrup-Thygeson（1981）的结果推广至所有阶次的受限与非受限弗雷chet均值，实现广义化。

提出的方法

• 将Kuratowski外极限用作弗雷chet样本均值序列几乎必然收敛的形式化表达。
• 利用度量空间的有界性，尤其适用于具有有限顶点的图。
• 将Ziezold（1977）的几乎必然收敛概念重新表述为Kuratowski外极限，以实现严格分析。
• 将外极限框架应用于证明受限与非受限弗雷chet均值的强一致性。
• 通过在外极限拓扑下分析弗雷chet样本均值集合的极限行为，建立收敛结果。
• 通过将分析扩展至有界度量空间中所有阶次的弗雷chet均值，推广了早期结果。

实验结果

研究问题

• RQ1 在何种条件下，弗雷chet样本均值在有界度量空间中几乎必然收敛于理论弗雷chet均值？
• RQ2 当标准一致性失效时，如何形式化表征图值随机变量中弗雷chet样本均值的收敛性？
• RQ3 在弗雷chet均值的语境下，Ziezold的几乎必然收敛与Kuratowski外极限之间存在何种关系？
• RQ4 是否可以在可分（伪）度量空间中为所有阶次的受限与非受限弗雷chet均值建立大数定律的强律？
• RQ5 度量空间的有界性如何促成弗雷chet均值更强的收敛结果？

主要发现

• Ziezold（1977）定义的弗雷chet样本均值的几乎必然收敛，形式上等价于Kuratowski外极限的收敛。
• 通过Kuratowski外极限框架，建立了一个新的弗雷chet样本均值强一致性的证明。
• 在有界度量空间中，证明了所有阶次的受限与非受限弗雷chet均值的强大数定律。
• 度量空间的有界性——尤其在有限顶点图中——使得强一致性结果的推导成为可能。
• 该框架将Sverdrup-Thygeson（1981）的结果推广至更高阶弗雷chet均值以及受限与非受限情形。
• 外极限提供了一种稳健的拓扑工具，用于分析非欧几里得空间中弗雷chet样本均值集合的收敛性。