Concentration bounds for sampling without replacement and Hoeffding statistics
本文证明了基于无放回不放回抽样的经验过程上界的Bennett型浓度界和任意Hoeffding统计量情形下的相应界。我们改进了以前的结果,这种类型,提供了一个更清晰的浓度分布。
2023-01-08 math.PR
Concentration inequalities for the sum in sampling without replacement: an approach via majorization
本文利用优序理论,为无放回抽样中样本总和超过期望值的概率提供了非渐近的上下界。
2025-03-26 math.PR math.ST stat.TH
Higher order concentration on Stiefel and Grassmann manifolds
我们证明了Stiefel流形和Grassmann流形上的函数的高阶浓度界。这部分地扩展了以前的工作单位球上的功能。技术上,我们的结果是基于对数Sobolev技术的一致措施的流形上。应用包括Hanson-Wright型不等式的Stiefel流形和浓度界的某些距离函数之间的子空间$\mathbb{R}^n$。
2022-08-16 math.PR
Concentration inequalities on the multislice and for sampling without replacement
我们提出的浓度不等式的多层的基础上(修改)log-Sobolev不等式。这包括凸函数和多线性多项式的边界。作为一个应用程序,我们显示浓度结果的三角形计数在$G(n,M)$ Erdens-Rényi模型类似已知的界限在$G(n,p)$的情况下。此外,我们给出了Talagrand的凸距离不等式的一个证明。在没有替换的情况下解释采样中的多层切片,我们进一步介绍了$n$在没有替换的$N$采样中的浓度结果。基于一个包含有限采样校正因子$1- n/N$的有界差分不等式,给出了Serfling不等式的一个简单证明,其中指数中包含一个稍差的因子,以及经验测度与样本真实分布之间的Kolmogorov距离具有亚高斯右尾.
2020-10-30 math.PR
Concentration Inequalities for Incomplete U-statistics over Arbitrary Sampling Graphs
Harvard University(哈佛大学)
研究任意采样图上的不完全U统计量,通过允许随机向量非同分布、核不对称且依赖边以及由任意图指定采样结构来推广。利用图论边着色结果推导\(U - \mathbb{E}U\)的集中不等式,方法简单透明且可适应更广泛设置。
2026-07-21 math.PR math.ST stat.TH
Moment estimates, exponential integrability, concentration inequalities and exit times estimates on evolving manifolds
该研究在带C¹族完备黎曼度量与C^{1,∞}族向量场的非紧光滑演化流形上,证明了扩散过程的矩估计、指数可积性、集中不等式及首离时估计,拓展了演化流形上扩散过程的分析结果。
2024-03-05 math.PR
Concentration of the Brownian bridge on Cartan-Hadamard manifolds with pinched negative sectional curvature
本文研究了具有负截面曲率的Cartan-Hadamard流形上,当端点之间的距离趋于无穷大时,布朗桥在时间1上围绕相应测线段的集中率.这改进了A.埃伯利和我们中的一个一路上,我们得到了一个新的渐近估计的对数导数的热核在这样的流形上,在有界的时间和一个空间参数趋于无穷大,这可以被看作是一个对应的Bismut的渐近公式在小的时间。
2004-09-20 math.PR
Concentration of measure on spheres and related manifolds
本文利用对数 Sobolev 不等式及其广义 LS_q 不等式,研究球面及相关流形上的测度集中现象,建立了加权随机矩阵的 Sudakov 型集中、局部半圆律以及非 Lipschitz 函数的高阶集中界,并给出与 Edgeworth 展开相关的光滑对称函数集中结果。
2024-08-08 math.FA math.PR
Concentration for Coulomb gases on compact manifolds
研究了紧致黎曼流形上库仑气体的非渐近行为。这种气体是一种对称的n粒子吉布斯测度,与由格林函数给出的两体相互作用能有关。我们编码这样一个粒子系统,通过使用一个经验措施。我们的主要结果是在Kantorovich-Wasserstein距离中的一个浓度不等式,它是由Chafaeti的工作启发而来的哈代和马多夫da在欧几里得空间上。他们的证明涉及大偏差技术,连同能量距离比较和正则化程序的基础上的超谐波的格林函数。最后一种成分在歧管上不可用。我们解决这个问题,通过使用热核和它的短时渐近行为。
2018-09-12 math-ph math.DG math.MP
On Pseudospectral Concentration for Rank-1 Sampling
本文研究秩-1随机采样扰动下复矩阵的伪谱集中性,分别为正规矩阵、幂零Jordan块及上三角Toeplitz矩阵建立分离半径缩放规律与概率集中框架。
2025-05-16 cs.NA math.NA math.PR
Sampling from $p$-adic algebraic manifolds
受实代数流形采样研究启发,提出利用互补维数随机线性空间切割局部域上仿射或射影代数流形的采样方法,给出实现并验证其在多类代数结构采样场景的适用性。
2025-03-21 math.AG math.NT math.PR
Geodesic slice sampling on Riemannian manifolds
本文提出测地切片采样方法,将 Hit-and-run 切片采样推广到黎曼流形,用于矩阵值参数贝叶斯推断,无需梯度信息即可稳健处理各向异性目标分布。
2025-08-22 math.PR stat.AP stat.CO
Some properties of Fréchet medians in Riemannian manifolds
在真度量空间中证明了概率测度的Fréchet中值的相合性.在黎曼流形的背景下,假设概率测度有一半以上的质量位于凸球中,并证明了一些集中条件,估计了它的Fréchet中值的位置.证明了在紧致黎曼流形中,一般数据点的Fréchet样本中位数总是唯一的.
2011-12-03 math.DG math.PR math.ST
Concentration and fluctuations of sine-Gordon measure around topological multi-soliton manifold
École polytechnique fédérale de Lausanne (EPFL)(洛桑联邦理工学院);University of Wisconsin–Madison(威斯康星大学麦迪逊分校);Cornell University(康奈尔大学)
研究正弦Gordon测度在多孤子流形附近的集中与波动,揭示典型状态中孤子的分布特性。
2026-02-09 math-ph math.MP math.PR
Weighted sampling without replacement
比较均匀采样的浓度特性有很长的历史,可以追溯到Hoeffding(1963)的开创性工作。这篇短文的目的是使用两个样本之间的耦合将这种比较扩展到非均匀权重的情况。当项目的权重与其值的顺序相同时,我们证明了累积值的诱导耦合是下鞅耦合。因此,已知的强有力的有替换抽样的Besoff型上尾估计自动转移到不放回抽样的情况下。对于一般的权重,我们使用相同的耦合,建立一个亚高斯浓度不等式。我们还构造了另一个鞅耦合,它允许我们回答Luh和Pippenger(2014)提出的关于在具有不同替换数的Polya瓮中进行采样的问题。
2016-03-21 math.PR
On Measure Concentration of Random Maximum A-Posteriori Perturbations
Toyota Technological Institute at Chicago(芝加哥丰田技术研究所);University of Haifa(海法大学);Massachusetts Institute of Technology(麻省理工学院)
最大后验(MAP)扰动框架已成为一个有用的方法,在高维复杂模型的推理和学习。通过最大化随机扰动的势函数,MAP扰动从吉布斯分布生成无偏样本。不幸的是,生成如此多的高维随机变量的计算成本可能是令人望而却步的。更有效的算法使用基于低维MAP扰动的期望值的顺序采样策略。本文开发了新的测量浓度不等式,约束估计这些期望值所需的样本数。将一般结果应用于MAP扰动可以产生更有效的算法来近似Gibbs分布的采样。计量集中度结果具有普遍意义,并可能适用于涉及预期估计的其他领域。
2013-10-15 cs.LG math.PR
Convergence of the Riemannian Langevin Algorithm
本文研究了度量流形上密度为$g$的分布关于自然测度的抽样问题的黎曼Langevin算法。我们假设目标密度满足关于度量的log-Sobolev不等式,并证明了流形推广的Unadjusted Langevin算法在Hessian流形上快速收敛到$ν$.这使我们能够减少在${\bf R}^n$中对非光滑(约束)密度进行采样的问题,从而在适当的流形上对光滑密度进行采样,同时只需要访问对数密度的梯度,这反过来又可以从流形上的自然布朗运动中进行采样。我们的主要分析工具是(1)自协调流形的推广,(2)流形上的边界光滑性的随机方法。我们的方法的一个特殊情况是采样等周密度限制到多面体使用的度量定义的对数障碍。
2022-04-22 cs.LG math.DG math.PR
Sampling and estimation on manifolds using the Langevin diffusion
University of Nottingham(诺丁汉大学);Chalmers University of Technology(查尔姆斯理工大学);University of Gothenburg(哥德堡大学)
本文提出了一种在流形上使用兰格vin扩散进行采样和估计的方法,推导了误差界并验证了其在不同曲率流形上的实用性。
2025-04-26 cs.NA math.NA math.PR
Matrix concentration inequalities for dependent binary random variables
本文针对满足特定独立性假设的二元随机变量建立矩阵集中不等式,并利用解耦不等式将随机子矩阵算子范数估计推广到一般强 Rayleigh 抽样方案。
2025-04-10 cs.DM math.FA math.PR
Respondent driven sampling and sparse graph convergence
我们认为一个特定的响应驱动的采样程序由graphon。通过一个特定的聚类程序的采样顶点,我们构建了一个序列的稀疏图。如果顶点集序列是平稳的,则稀疏图序列收敛到割度量中的支配图子。使用的工具是马尔可夫链的浓度不等式和Stein-Chen方法。
2017-05-08 math.PR
Random polynomials of high degree and Levy concentration of measure
证明了紧致Kahler流形上的充要线丛的L^2正规化全纯增幂截面的随机序列{s_N}的L^p范数对2<p<无穷大几乎必定有界,对p=无穷大几乎必定为O((log N)^{1/2}).这个估计也适用于辛流形上的正线丛的几乎全纯截面(在数学SG/0212180的意义下),并且我们给出了C^k范数的几乎必然界。我们的方法涉及到Bergman-Szego核的渐近性和测度集中现象。
2003-03-26 math.AG math.CV math.PR
Permanent of random matrices from representation theory: moments, numerics, concentration, and comments on hardness of boson-sampling
计算随机矩阵的积和式的分布一直是一个悬而未决的问题。在量子计算中,这种分布的“反集中”是一个未经证实的输入,用于证明玻色子采样任务的难度。我们研究随机独立同分布的积和。复高斯矩阵,更广泛地说,随机酉矩阵的子矩阵。使用混合表示理论和组合的方法,我们证明了强下界的永久分布的所有时刻。我们提供了大量的证据表明,我们的界限接近紧,并构成准确的估计的时刻。设$U(d)^{k\times k}$为$d\times d$随机酉矩阵的$k\times k$子矩阵的分布,$G^{k\times k}$为$k\times k$复高斯矩阵的分布. (1)利用Schur-Weyl对偶(或Howe对偶),证明了当$M$由$U(d)^{k\times k}$或$G^{k\times k}$导出时,$|Perm(M)|$的$2t$阶矩的一个展开式. (2)我们证明了一个令人惊讶的尺寸矩对偶:随机$k\times k$矩阵的积和的$2t$阶矩等于$t\times t$矩阵的积和的$2k$阶矩. (3)设计了一种精确计算小矩阵积和式高阶矩的算法。(4)我们证明了下限任意时刻的永久性矩阵从$G^{ k\times k}$或$U(k)$,并推测,我们的下限接近饱和到一个小的乘法误差。(5)在假设条件下,我们首次利用大偏差理论计算了高斯矩阵对数积和分布的尾部。(6)我们认为,这是不可能的,永久分布可以唯一确定的整数时刻,…
2021-04-13 math.CO math.PR math.RT
Post-processed frozen-flow methods for the long time sampling of ergodic dynamics on Riemannian manifolds
Univ Rennes, INRIA (Research team MINGuS), IRMAR (CNRS UMR 6625) and ENS Rennes(雷恩大学、法国国家信息与自动化研究所(MINGuS研究团队)、法国国家科学研究中心联合数学研究实验室(CNRS UMR 6625)和雷恩高等师范学院)
提出一种基于黎曼几何内在结构的后处理冻结流方法,用于高效近似黎曼流形上的遍历随机微分方程(包括黎曼朗之万动力学),通过新代数操作推导高阶条件,在长时间采样效率上优于传统外在和内在方法。
2026-06-04 cs.NA math.CO math.DG
Entropic Independence II: Optimal Sampling and Concentration via Restricted Modified Log-Sobolev Inequalities
我们引入了一个框架,我们称之为限制修改的log-Sobolev不等式的基础上获得紧混合时间的马尔可夫链。修正的log-Sobolev不等式(MLSI)量化了马尔可夫算子的相对熵收缩率,并且非常难以建立。然而,无限接近平稳性,熵收缩变得等同于方差收缩,又名。一个庞加莱不等式,这是明显更容易建立,例如,光谱分析出于这一观察,我们研究限制修改的log-Sobolev不等式,保证熵收缩不是所有的起始分布,但对于那些在一个大的邻域的平稳分布。我们展示了如何从$n$ -节点图上的硬核和伊辛模型采样,该节点图具有与树唯一性阈值恒定的$δ$相对间隙,在近线性时间$\widetilde O_δ(n)$中。值得注意的是,我们的界限不依赖于最大度$Δ$,因此即使对于高度图也是最优的。这改进了先前的混合时间界的$\widetilde O_{δ, Δ}(n)$和$\widetilde O_δ(n^2)$,建立通过(非限制性)修改的log-Sobolev和庞加莱不等式。我们进一步证明了最优浓度不等式仍然可以从修正的log-Sobolev不等式的限制形式实现。为了建立受限熵收缩,我们将Anari,Jain,Koehler,Pham和Vuong的熵独立框架扩展到在一组受限外部场下谱独立的分布。我们还开发了一个正交的技巧,可能是独立的利益:利用伯努利工厂,我们展示了如何实现格劳伯动态更新的高度图在$O(1)$时间,…
2021-11-05 cs.DS math-ph math.MP
Nonlinear Matrix Concentration via Semigroup Methods
矩阵集中不等式提供了关于随机矩阵接近其关于$l_2$算子范数的期望的概率的信息。本文利用半群方法导出了一类尖锐的非线性矩阵不等式。特别是,它表明,经典的Bakry-Émery曲率准则意味着亚高斯浓度的“矩阵Lipschitz”功能。这一论点规避了需要开发一个矩阵版本的log-Sobolev不等式,一个技术障碍,阻碍了以前的尝试,得出矩阵浓度不等式在这种设置。该方法统一和扩展了以前的工作矩阵浓度。当应用于积测度时,该理论再现了Paulin等人的矩阵Efron-Stein不等式。它还处理了具有一致正里奇曲率的黎曼流形上的矩阵值函数。
2021-01-06 math.PR
Intrinsic random walks in Riemannian and sub-Riemannian geometry via volume sampling
通过随机游动近似,我们将随机分析的一些基本构造与微分几何联系起来。我们认为走在黎曼和分黎曼流形的步骤包括旅行沿测地线或积分曲线相关的正交框架,我们特别注意走的步骤的选择是受影响的流形上的体积。一个主要的动机是探索如何在抛物线标度极限下,从测地线、标准正交标架和/或体积传递到次黎曼流形上的扩散,以及它们的无穷小生成元,这是有趣的,因为在一般的次黎曼流形上没有完全规范的次拉普拉斯算子概念。然而,即使在黎曼的情况下,这种随机游动的方法照亮了伊藤和Stratonovich随机微分方程的几何意义,以及所发挥的作用量。
2017-05-02 math.DG math.PR
Shrinking scale equidistribution for monochromatic random waves on compact manifolds
证明了任意维紧致黎曼流形上单色系综在收缩尺度上的等分布性。在任意流形上的这个系综需要一个缓慢增长的光谱窗口,以便合成一个随机函数。以高概率,均匀分布发生接近最佳波尺度,同时在整个流形。证明中使用外尔定律来近似系综的两点相关函数,并使用一个Bauffff界来推导浓度。
2019-02-14 math-ph math.AP math.MP
Determinantal sampling on general spaces: fast approximation via diffusion geometry
National University of Singapore(国立新加坡大学)
研究在一般空间(如黎曼流形和加权网络)上的行列式采样,基于谱核建立明确速率保证,实现与可比维度欧几里得空间已知速率匹配,借助韦尔定律及马尔可夫扩散等理论工具。
2026-10-27 cs.LG math.PR stat.ML