ระบบพลวัตดูทฤษฎีบทขีด จำกัด กลางหรือไม่?


16

( โพสต์ครั้งแรกใน MSE)

ฉันได้เห็นการอภิปรายแบบฮิวริสติกจำนวนมากของทฤษฎีบทขีด จำกัด กลางแบบคลาสสิกพูดถึงการแจกแจงแบบปกติ (หรือการแจกแจงแบบคงที่ใด ๆ ) เป็น "ตัวดึงดูด" ในพื้นที่ความหนาแน่นของความน่าจะเป็น ตัวอย่างเช่นพิจารณาประโยคเหล่านี้ที่ส่วนบนสุดของการรักษาของ Wikipedia :

ในการใช้งานทั่วไปมากขึ้นทฤษฎีบทขีด จำกัด กลางคือชุดของทฤษฎีบทการลู่เข้าแบบอ่อนในทฤษฎีความน่าจะเป็น พวกเขาทั้งหมดแสดงความจริงที่ว่าผลรวมของตัวแปรสุ่มแบบอิสระและแบบกระจาย (iid) จำนวนมากหรือมิฉะนั้นตัวแปรสุ่มที่มีการพึ่งพาประเภทเฉพาะจะมีแนวโน้มที่จะกระจายไปตามชุดการกระจายตัวเล็ก ๆ ชุดหนึ่ง เมื่อความแปรปรวนของตัวแปร iid มีจำนวน จำกัด การกระจายตัวดึงดูดจะเป็นการแจกแจงแบบปกติ

ภาษาของระบบพลวัตนี้มีการชี้นำอย่างมาก เฟลเลอร์ยังพูดถึง "การดึงดูด" ในการรักษา CLT ในเล่มที่สองของเขา (ฉันสงสัยว่านั่นคือที่มาของภาษา) และ Yuval Flimus ในบันทึกนี้ยังพูดถึง "อ่างแห่งการดึงดูด" (ฉันไม่คิดว่าเขาหมายถึง "รูปแบบที่แน่นอนของแหล่งท่องเที่ยวนั้นสามารถอนุมานได้ล่วงหน้า" แต่ค่อนข้าง "รูปแบบที่แน่นอนของตัวดึงดูดนั้นสามารถอนุมานได้ล่วงหน้า"; ยังมีภาษาอยู่) คำถามของฉันคือ: สามารถ การเปรียบเทียบแบบไดนามิกจะทำให้แม่นยำ?ฉันไม่รู้หนังสือที่พวกเขาเป็นอยู่ - แม้ว่าหนังสือหลายเล่มจะชี้ให้เห็นว่าการแจกแจงแบบปกตินั้นพิเศษสำหรับความมั่นคงภายใต้การบิด (เช่นเดียวกับความมั่นคงภายใต้การแปลงฟูริเยร์) สิ่งนี้บอกเราว่าปกติเป็นสิ่งสำคัญเพราะเป็นจุดคงที่ CLT ดำเนินการต่อไปโดยบอกเราว่ามันไม่ได้เป็นเพียงจุดคงที่ แต่เป็นตัวดึงดูด

เพื่อให้ภาพเรขาคณิตนี้ถูกต้องฉันจินตนาการว่าการใช้พื้นที่เฟสเป็นพื้นที่ฟังก์ชั่นอนันต์มิติที่เหมาะสม (พื้นที่ของความหนาแน่นของความน่าจะเป็น) และผู้ประกอบการวิวัฒนาการที่จะทำซ้ำด้วยเงื่อนไขเริ่มแรก แต่ฉันไม่มีความรู้ทางด้านเทคนิคที่เกี่ยวข้องกับการทำให้ภาพนี้ทำงานหรือว่ามันคุ้มค่าที่จะติดตาม

ฉันเดาว่าเนื่องจากฉันไม่สามารถหาวิธีการรักษาที่ใช้วิธีนี้อย่างชัดเจนต้องมีบางอย่างผิดปกติกับความรู้สึกของฉันที่สามารถทำได้หรือว่าจะน่าสนใจ หากเป็นกรณีนี้ฉันอยากจะฟังว่าทำไม

แก้ไข : มีคำถามที่คล้ายกันสามคำถามทั่วทั้ง Math Stack Exchange และ MathOverflow ที่ผู้อ่านอาจสนใจ:


2
ยินดีต้อนรับสู่ Cross Validated และขอบคุณสำหรับคำถามที่น่าสนใจ (และคำตอบ)!
Matt Krause

คำตอบ:


13

หลังจากทำการขุดในวรรณคดีได้รับการสนับสนุนจากคำตอบของ Kjetil ฉันได้พบข้ออ้างอิงสองสามข้อที่ใช้แนวทางเรขาคณิต / พลวัตเพื่อ CLT อย่างจริงจังนอกเหนือจากหนังสือโดย Y. Sinai ฉันโพสต์สิ่งที่ฉันพบสำหรับคนอื่น ๆ ที่อาจสนใจ แต่ฉันหวังว่าจะยังคงได้ยินจากผู้เชี่ยวชาญเกี่ยวกับคุณค่าของมุมมองนี้

อิทธิพลที่สำคัญที่สุดดูเหมือนว่ามาจากงานของ Charles Stein แต่คำตอบที่ตรงที่สุดสำหรับคำถามของฉันน่าจะมาจาก Hamedani และ Walter ที่วางระบบเมตริกบนฟังก์ชันการกระจายและแสดงว่าการบิดทำให้เกิดการหดตัวซึ่งให้การกระจายแบบปกติเป็นจุดคงที่ที่ไม่ซ้ำกัน


เพิ่ม 19 ตุลาคม 2018

แหล่งอื่นสำหรับมุมมองนี้คือความน่าจะเป็นและกระบวนการ Stochasticของ Oliver Knill ด้วยแอปพลิเคชัน , p. 11 (เน้นการเพิ่ม):

กระบวนการมาร์คอฟมักถูกดึงดูดด้วยจุดคงที่ของตัวดำเนินการมาร์คอฟ จุดคงที่ดังกล่าวเรียกว่าสถานะนิ่ง พวกเขาอธิบายถึงความสมดุลและบ่อยครั้งที่พวกเขาเป็นมาตรการที่มีเอนโทรปีสูงสุด ตัวอย่างคือตัวดำเนินการมาร์คอฟPซึ่งกำหนดให้กับความหนาแน่นของความน่าจะเป็น Y ความหนาแน่นของความน่าจะเป็นของ Y+X¯ ที่ไหน Y+X¯ เป็นตัวแปรสุ่ม Y+X ทำให้เป็นมาตรฐานเพื่อให้มันมีค่าเฉลี่ย 0 และความแปรปรวน 1. สำหรับฟังก์ชั่นเริ่มต้น=1, ฟังก์ชั่น Pn(X) คือการกระจายตัวของ Sn* * * * ผลรวมปกติของ n IID ตัวแปรสุ่ม Xผม. ตัวดำเนินการมาร์คอฟนี้มีจุดสมดุลที่เป็นเอกลักษณ์คือการแจกแจงแบบปกติมาตรฐาน มันมีเอนโทรปีสูงสุดในบรรดาการแจกแจงทั้งหมดในบรรทัดจริงที่มีความแปรปรวน1 และหมายความว่า 0. ทฤษฎีขีด จำกัด กลางบอกว่าตัวดำเนินการมาร์คอฟP มีการแจกแจงแบบปกติว่าเป็นจุดดึงดูดที่ไม่เหมือนใครถ้าใครใช้ทอพอโลยีที่อ่อนแอกว่าของการลู่เข้าในการกระจายL1. ใช้งานได้ในสถานการณ์อื่นเช่นกัน สำหรับตัวแปรสุ่มที่มีค่าเป็นวงกลมเช่นการแจกแจงแบบสม่ำเสมอจะเพิ่มเอนโทรปีให้มากที่สุด ดังนั้นจึงไม่น่าแปลกใจที่มีทฤษฎีบทขีด จำกัด กลางสำหรับตัวแปรสุ่มที่มีค่าเป็นวงกลมโดยมีการแจกแจงแบบสม่ำเสมอเป็นการกระจายแบบ จำกัด


7

ข้อความ "ทฤษฎีความน่าจะเป็นหลักสูตรเบื้องต้น" โดย Y Sinai (Springer) กล่าวถึง CLT ด้วยวิธีนี้

http://www.springer.com/us/book/9783662028452

ความคิดคือ (จากหน่วยความจำ ... ) ว่า

1) การแจกแจงแบบปกติช่วยเพิ่มเอนโทรปีให้มากที่สุด A(x1,x2)=x1+x22รักษาความแปรปรวนและเพิ่มเอนโทรปี ... และส่วนที่เหลือเป็นเทคนิค ดังนั้นคุณจะได้รับระบบพลวัตของการวนซ้ำของโอเปอเรเตอร์


1
ขอบคุณสำหรับการอ้างอิง ภาพรวมอย่างรวดเร็วแสดงให้เห็นว่ามีการรักษาที่เป็นเอกลักษณ์ที่นั่น ยิ่งไปกว่านั้น Googling (ของ CLT + "จุดคงที่") ได้ชี้ให้ฉันเห็นถึงวิธีการของสไตน์ซึ่งดูเหมือนจะเป็นวิธีหนึ่งในการทำให้แม่นยำทั้งหมดนี้
symplectomorphic
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.