Joint asymptotic distributions of smallest and largest insurance claims
假设保险合同组合中的索赔由独立同分布的具有规则变化尾部的随机变量描述,并且按照近似混合泊松过程发生。我们提供了一个集合的结果有关的联合渐近拉普拉斯变换的归一化的最小和最大的索赔额,当考虑的时间间隔的长度趋于无穷大。结果主要取决于索赔分布的尾部指数的值,以及所考虑的最大索赔的数量。
2014-02-25 math.PR
Majorizing Measures for Canonical Processes with Log-Concave Tails
Shandong University(山东大学)
本文针对具有对数凹尾的独立对称随机变量,在无Δ2条件下给出了典型过程期望上确界的维数无关刻画,由尺度依赖内在成本控制,统一了Talagrand高斯与Bednorz-Latała伯努利主控测度定理,并证明新几何的必要性。
2026-09-15 math.PR
The smallest singular value of heavy-tailed not necessarily i.i.d. random matrices via random rounding
研究了随机矩阵最小奇异值的小球行为。通常,建立这样的结果涉及,在某种程度上,单位球的离散化。这需要对矩阵的范数有界,而后者的界需要对元素分布的强假设,如有界四阶矩(弱估计),亚高斯尾(强估计),以及结构假设,如均值零和方差一。最近,Rebrova和Tikhomirov开发了一种离散化程序,它不依赖于强尾假设的条目。然而,他们的论证仍然需要均值为零、方差为1的结构性假设。条目在本文中,我们讨论了一个有效的离散化的单位球,它的工作指数高概率,不需要任何这样的结构假设,而且,不需要独立的行的矩阵。我们证明了存在的网络附近的球,比较值的任何(确定性)随机矩阵的球和通过正规化的希尔伯特-施密特规范,我们介绍的网络。这种细化是平均的一种形式,并且具有强的大偏差特性。作为结果,我们证明了尖锐的小球估计的最小奇异值的平方随机矩阵在温和的假设下,和随机矩阵的任意纵横比。
2021-11-18 math.AP math.MG math.PR
Lower bounds for the smallest singular value of structured random matrices
本文给出了独立非同分布随机矩阵最小奇异值的下尾估计。具体地说,我们考虑具有\[ M = A\circ X + B = (a_{ij}ξ_{ij} + b_{ij}) \]形式的复数项的$n\times n$矩阵,其中$X=(ξ_{ij})$具有单位方差的iid中心项,并且$A$和$B$是固定矩阵。在我们的主要结果中,我们得到多项式的最小奇异值的$M$的情况下,$A$有界(可能为零)的条目,和$B= Z\sqrt{n}$,其中$Z$是一个对角矩阵的条目有界远离零。作为我们的方法的副产品,我们也可以处理一般扰动$B$下的额外假设$A$,这转化为相关的图上的连接假设。特别是,我们扩展了Rudelson和Zeitouni的高斯矩阵的结果,使一般的入口分布满足一些时刻的假设。我们的证明利用工具(据我们所知)以前未利用的随机矩阵理论,特别是Szemerédi的正则引理,和一个版本的限制可逆定理由于斯皮尔曼和Srivastava。
2018-05-18 math.PR
General Tail Bounds for Random Tensors Summation: Majorization Approach
近年来,张量在科学和工程领域有着广泛的应用。为了建立张量求和行为的尾界理论,本文扩展了前人的工作,考虑了张量求和函数的前$k$ -最大奇异值的张量求和尾行为,而不是Shih Yu的工作:Convenient tail bounds for sums of random tensors中直接探讨的张量求和的最大/最小奇异值(恒等函数).控制和反对称张量积工具是建立多元张量酉范数不等式的主要方法。本文将拉普拉斯变换方法与多元张量的酉模不等式相结合,给出了多元张量和函数的Ky Fan $k$ -模的尾界估计.通过限制不同的随机张量条件,得到了广义张量不等式.
2021-10-04 math.PR
Hard edge tail asymptotics
设$Λ$为随机矩阵理论的广义(β,α)-Laguerre系综中的极限最小特征值.这里β>0,a >-1;对于β= 1,2,4和整数a,该目标控制某些秩为n的高斯矩阵的奇异值。本文证明了当λ趋于无穷大时,P(Λ> λ)= e^{-(β/2)λ+ 2 γλ^{1/2}} λ^{-(γ(γ+1))/(2β)+ γ/4} E(β,a)(1+o(1)),其中γ=(β/2)(a+1)-1,E(β,a)是一个常数(我们不能确定).这个估计补充/扩展了以前对β和α的特殊值可用的各种结果。
2011-11-18 math.PR
Instance-dependent uniform tail bounds for empirical processes
本文提出了一种基于函数个体偏差而非最坏情况偏差的经验过程统一尾界,通过引入初始消减步骤改进标准泛化链论证,结合Talagrand γ函数的推广复杂性和函数实例偏差,提供更通用的尾界估计。
2026-03-26 math.PR math.ST stat.ML
The largest root of random Kac polynomials is heavy tailed
证明了随机Kac多项式模的最大根和最小根具有非普适性。它们不收敛于零点极限分布的支撑边缘。这种非普适性是令人惊讶的,因为经验测量的大偏差原理是普适的。这与随机矩阵理论形成了鲜明的对比,在随机矩阵理论中,大偏差原理是非普适的,但最大特征值的波动是普适的。我们发现,最大的零模是重尾的,有一定数量的有限矩从上面的约束的行为在原点的系数分布。我们还证明了模的根小于1的随机过程收敛于一个极限点过程。最后,在复高斯系数的情况下,我们使用Peres和Vir{á}g [PV 05]的工作来获得限制对象的显式公式。
2017-04-10 math.PR
A note on the smallest eigenvalue of the empirical covariance of causal Gaussian processes
University of Pennsylvania(宾夕法尼亚大学)
本文通过因果分解和基本高斯分布事实,给出了因果高斯过程经验协方差最小特征值的简单证明,并展示了其在向量自回归最小二乘辨识中的性能保证。
2023-10-27 cs.LG cs.SY eess.SY
Coverings of random ellipsoids, and invertibility of matrices with i.i.d. heavy-tailed entries
设$A=(a_{ij})$是具有独立同分布的$n\times n$随机矩阵。条目,例如$\mathbb{E} a_{11} = 0$和$\mathbb{E} {a_{11}}^2 = 1$。我们证明,对于任何$δ>0$有$L>0$只依赖于$δ$,和一个子集$\mathcal{N}$的$B_2^n$的基数最多$\exp(δn)$,使概率非常接近一,我们有$$A(B_2^n)\subset \bigcup_{y\in A(\mathcal{N})}\bigl(y+L\sqrt{n}B_2^n\bigr).$$作为一个应用程序,我们表明,对于一些$L'>0$和$u\in[0,1)$只依赖于分布规律的$a_{11}$,最小奇异值$s_n$的矩阵$A$满足$\mathbb{P}\{s_n(A)\le \varepsilon n^{-1/2}\}\le L'\varepsilon+u^n$的所有$\varepsilon>0$。后一结果推广了Rudelson和Vershynin的一个定理,该定理被证明为具有次高斯项的随机矩阵。
2017-02-14 math.PR
Exponential moments of truncated branching random walk martingales
本文研究漂移至无穷远的分支随机游走的马尔萨斯鞅,证明原点以下粒子被清除时该鞅极限呈指数尾(无清除时为多项式尾),临界情形下截断导数鞅也有相同结论,该研究受Erdős–Rényi图首次通过渗流相关工作启发。
2025-05-17 math.PR
Phase transition for the smallest eigenvalue of high-dimensional sample correlation matrices
Nanyang Technological University(南洋理工大学);Changchun University of Science and Technology(长春理工大学);National University of Singapore(新加坡国立大学)
研究高维样本相关矩阵最小非零特征值,在宽数据情形下发现基于三阶尾部尺度的相变,并刻画临界情形的极限分布。
2026-11-10 math.PR
On the Smallest Singular Value of Log-Concave Random Matrices
本文针对各向同性对数凹随机矩阵,在无条件分布(无独立性假设)、列独立且$N\geq n$、足够高($N\geq (1+λ)n$)三种情况下,证明了其最小奇异值的严格下界尾估计。
2025-08-25 math.CO math.FA math.MG
Tail-Aware Information-Theoretic Bounds for LLM Alignment under Heavy-Tailed Rewards
Institute of Artificial Intelligence, Beihang University(北京航空航天大学人工智能研究院);Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing(北京未来区块链与隐私计算高精尖创新中心);Advanced Institute of Information Technology, Peking University(北京大学信息技术高等研究院);Wangxuan Institute of Computer Technology, Peking University(北京大学王选计算机技术研究所);Computer and Mathematical Sciences, Computer Science, and Statistics, University of Toronto(多伦多大学计算机与数学科学、计算机科学和统计学系);MBZUAI(穆罕默德·本·扎耶德人工智能大学)
本文提出一种尾依赖信息论框架,用于处理亚韦尔bull数据,通过移位对数f_θ-分歧来界定制换测度期望,从而在重尾数据下获得更精确的泛化界限。
2026-08-04 cs.AI cs.LG math.PR
The sharp one-dimensional convex sub-Gaussian comparison constant
Department of Statistics and Data Science, The Wharton School, University of Pennsylvania(宾夕法尼亚大学沃顿商学院统计与数据科学系);School of Mathematics, University of Bristol(布里斯托大学数学学院)
本文确定了一维凸子高斯比较常数c*,证明其由一维方程组给出,并通过极值分布达到,数值约为2.30952。同时研究了子指数尾约束下的类似常数及高维后果。
2026-04-03 math.PR
The smallest singular value of inhomogenous random rectangular matrices
本文研究独立但非齐次元素的随机矩形矩阵最小奇异值,在有界 $2+\beta$ 矩或均匀反集中条件下建立下尾界,并推广已有独立同分布结果。
2025-07-25 math.MG math.PR
Phase transition for the smallest eigenvalue of covariance matrices
本文研究样本协方差矩阵最小非零特征值的分布,证明其存在由元素尾部厚度引发的相变,给出不同尾指数下的分布规律,并借助矩阵子式论证与介观CLT完成体区到边缘的扩展证明。
2023-11-08 math-ph math.MP math.PR
The Littlewood-Offord Problem and invertibility of random matrices
本文证明了具有独立元素的随机n × n矩阵的最小奇异值分布的两个基本定理。在最小矩的假设下,我们证明了最小的奇异值是n^{-1/2}阶的,这是高斯矩阵的最佳。此外,我们给出了尾概率的最优估计。这是Littlewood-Offord问题中一个新的和本质上尖锐的估计的结果:对于i.i.d.随机变量X_k和实数a_k,决定了a_k X_k之和位于某个数v附近的概率P.对于相同数量级的任意系数a_k,我们证明了它们本质上位于长度为1/p的等差数列中.
2008-01-31 math.FA math.PR
A distance theorem for inhomogenous random rectangular matrices
本文证明非齐次随机矩形矩阵列空间与独立随机向量的距离小球估计,并提出 Randomized Logarithmic LCD 工具以推广已有距离定理。
2025-07-25 math.MG math.PR
Invertibility of Sparse non-Hermitian matrices
本文考虑一类稀疏随机矩阵$A_n =(ξ_{i,j}δ_{i,j})_{i,j=1}^n$,其中$\{ξ_{i,j}\}$是独立同分布的.中心随机变量,和$\{δ_{i,j}\}$是i.i.d.~ Bernoulli随机变量取值$1$的概率为$p_n$,在适当的谱范数假设下,证明了$p_n = Ω(\frac{\log n}{n})$的最小奇异值的一个定量估计.这建立了一大类稀疏矩阵的可逆性。对于具有某些$α\in (0,1)$的$p_n =Ω( n^{-α})$,在关于$\{ξ_{i,j}\}$的最优矩假设下,我们推导出$A_n$的条件数是概率趋于1的$n$阶.这特别是,扩展了冯诺依曼猜想的条件数稀疏随机矩阵的重尾条目。在随机变量$\{ξ_{i,j}\}$是i.i.d.~亚高斯,我们进一步表明,一个稀疏的随机矩阵是奇异的概率最多$\exp(-c n p_n)$时,$p_n$是高于临界阈值$p_n = Ω(\frac{ \log n}{n})$。结果还扩展到$\{ξ_{i,j}\}$具有非零均值的情况。当有向Erdens-Réyni图的边连通概率大于临界阈值$Ω(\frac{\log n}{n})$时,我们进一步得到了其邻接矩阵的最小奇异值的定量估计.
2017-02-03 math.PR
Ordered exponential random walks
本文研究分量保持有序的指数增量随机游走,通过Doob h-变换构造有序过程,给出尾部概率渐近、局部极限定理及极值粒子分布的Fredholm行列式表示。
2023-09-04 math.PR
Exact minimax risk for linear least squares, and the lower tail of sample covariance matrices
我们考虑随机设计线性预测及随机矩阵下尾的相关问题。已知在有界性约束下,极小极大风险在$n$样本的维度$d$上是$d/n$阶的。在这里,我们研究了全线性类上的极大极小期望超额风险,这取决于协变量的分布。首先,对于协变量的每个分布,最小二乘估计量在良好指定的情况下都是极小极大最优的。我们用单个样本的统计杠杆得分的分布来表示极大极小风险,并推导出对于任何协变量分布的$d/(n-d+1)$的极大下界,几乎与高斯设计的风险相匹配。然后,我们得到尖锐的非渐近上界协变量,满足“小球”型正则性条件,在指定和错误的情况下。我们的主要技术贡献是研究经验协方差阵在小值时的最小奇异值的下尾。我们建立了一个下界在这个较低的尾部,有效的任何分布在尺寸$d \geq 2$,连同一个匹配的上界在一个必要的正则性条件。我们的证明依赖于PAC贝叶斯技术控制经验过程,并扩展了奥利维拉致力于下尾的不同部分的分析。
2022-02-24 math.PR math.ST stat.ML
On the convergence of the extremal eigenvalues of empirical covariance matrices with dependence
考虑具有单位协方差阵的中心随机向量的样本。我们证明了在一定的正则性假设下,当维数和样本量都趋于无穷大时,经验协方差阵的最小和最大特征值收敛到Marchenko-Pastur分布的左右边缘.这些假设与正交投影范数的尾部有关。它们涵盖了各向同性对数凹随机向量以及独立同分布的随机向量。几乎是最优的力矩条件。该方法是一个完善的秩一更新方法使用的Srivastava和Vershynin产生非渐近定量估计。换句话说,我们提供了一个新的证明白和尹定理使用的基本工具,从概率论和线性代数,连同这个定理的一个新的扩展到随机矩阵的依赖项。
2015-09-08 math.PR
Large deviations of extreme eigenvalues of generalized sample covariance matrices
本文提出了一种计算随机矩阵的最大特征值为无穷大的罕见事件概率的分析方法。其大偏差的右尾)。结果也转移到了左尾最小特征值的大偏差上。该技术改进了过去的方法,不需要明确的法律的特征值,我们将其应用到一个大类的随机矩阵,以前遥不可及。特别是,我们解决了一个开放的问题,与性能的主成分分析高度相关的数据,并打开了道路,分析复杂的推理模型的高维景观。我们使用重要性抽样方法来探测我们的结果,有效地模拟概率小至$10^{-100}$的事件。
2021-02-08 cond-mat.dis-nn cond-mat.stat-mech math.PR
Dimension-free Bounds for Sums of Independent Matrices and Simple Tensors via the Variational Principle
研究了独立$d$与$d$随机矩阵之和的偏差不等式,以及秩为1的随机张量的偏差不等式.我们的重点是在非各向同性的情况下,并不明确地依赖于尺寸$d$的界限,而是对有效的秩。本文以初等而统一的方式证明了以下结果:1)独立半正定矩阵和的偏差界。该结果补充了Koltchinskii和Lounici [Bernoulli,2017]在亚高斯情况下对样本协方差阵的无量纲界。2)截断协方差阵的一个新的界,用于证明Adamczak,Litvak,Pajor和Tomczak-Jaegermann [Journal Of Amer. Math. Soc.,2010]在对数凹情况下的样本协方差阵上。3)由次高斯或对数凹随机向量构成的秩为1的随机张量和的算子范数的无扰动界。这补充了Guédon和Rudelson [Adv. in Math.,2007年]。4)Alesker结果的非各向同性版本[Geom. Asp.的Funct。肛门,1995]关于次指数随机向量范数的偏差。5)本文给出了重尾项半正定矩阵和的无量纲尾下界,改进了Oliveira [Prob. Th.和Rel。Fields,2016]。我们的方法是基于熵和矩母函数之间的对偶公式。与已知的无量纲界限的证明,我们避免了Talagrand的优化措施定理,以及经验过程的通用链接界限。我们的一些工具是由O。Catoni和合著者在稳健统计估计的背景下。
2022-05-26 math.PR math.ST stat.TH
A generalized Lieb's theorem and its applications to spectrum estimates for a sum of random matrices
本文证明了$k$ -迹函数$A\mapsto (\text{Tr}_k[\exp(H+\ln A)])^{1/k}$在所有正定矩阵的凸锥上的唯一性. $\text{Tr}_k[A]$表示$A$的特征值的$k_{\mathrm{th}}$初等对称多项式。作为一个应用,我们使用这些$k$跟踪函数的尾界和期望估计的$k$最大(或最小)的随机矩阵的特征值的总和。
2018-11-30 cs.IT math.IT math.PR
The Heavy-tailed Frog Model
University of British Columbia(不列颠哥伦比亚大学)
该研究针对重尾转移核下的青蛙模型,明确了不同尾指数区间的激活时间尺度,并揭示了有限寿命模型的覆盖寿命渐近特性,丰富了非经典随机游走驱动的传播过程理论。
2026-08-04 math-ph math.MP math.PR
Phase transition for conditional covariance matrices estimated by importance sampling, and implications for cross-entropy schemes in high dimension
Mohamed Bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)
针对交叉熵算法中重要性采样估计协方差矩阵的问题,本文研究带依赖重尾项的随机矩阵模型的高维相变规律,揭示最小特征值与采样效果的关联,为高维稀有事件CE方案设计提供新视角。
2026-11-09 math.PR math.ST stat.TH
Phase transition for the bottom singular vector of rectangular random matrices
本文研究重尾矩形随机矩阵最小奇异值对应右奇异向量的局域化长度,证明其随参数跨过临界值时发生相变,并揭示该相变机制与顶部奇异向量情形本质不同。
2024-09-17 math-ph math.MP math.PR
On the spectral radius of the ratio of Girko matrices
École normale supérieure, CEREMADE, Université Paris-Dauphine, PSL, CNRS(巴黎高等师范学院,CEREMADE,巴黎第九大学,PSL,法国国家科学研究中心);Sorbonne Université(索邦大学);Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院)
研究两个独立Girko矩阵之比的谱半径,证明其除以维数平方根后依分布收敛于一个普适重尾分布,并给出数学证明。
2026-06-02 math-ph math.MP math.PR