Bounding Kolmogorov distances through Wasserstein and related integral probability metrics
我们建立一般上界的Kolmogorov距离两个概率分布之间的距离,这些分布之间的测量相对于Wasserstein或光滑Wasserstein度量。这些界限概括了文献中现有的结果。为了说明我们的一般界限的广泛适用性,我们将它们应用于提取Kolmogorov距离的界限,从多元正常,β和方差-γ近似,已建立在斯坦的方法文献。
2022-12-28 math.PR
Error bounds in normal approximation for the squared-length of total spin in the mean field classical $N$-vector models
本文给出了平均场经典$N$ -矢量模型中总自旋平方长度在正规近似下的Kolmogorov和Wasserstein界。Kolmogorov界是新的,而Wasserstein界改进了Kirkpatrick和Nawaz最近获得的结果[Journal of Statistical Physics,\textbf{165}(2016),no. 6,1114- 1140]。证明是基于Stein的方法交换对。
2019-03-26 math.PR
Normal approximation of Poisson functionals in Kolmogorov distance
Peccati,Sole,Taqqu和Utzet最近结合Stein的方法和Malliavin演算获得了一个泊松函数和高斯随机变量的Wasserstein距离的界。Wasserstein距离的收敛总是意味着Kolmogorov距离以可能较弱的速度收敛。但是有很多例子表明中心极限定理对两个距离都有相同的速率。本文的目的是显示这种行为的一大类泊松泛函,即所谓的U-统计的泊松点过程。Peccati等人所使用的技术进行修改,以建立一个类似的泊松功能和高斯随机变量的Kolmogorov距离的界限。这个界限是评估的U-统计量,它表明,所得到的表达式是一个常数,因为它是为Wasserstein距离。
2014-09-08 math.PR
A Wasserstein index of dependence for random measures
本文开创性地利用Lévy测度间的最优传输距离,提出首个针对完全随机测度且考虑其无限维分布的[0,1]依赖性指数,揭示了模型深层结构并支持贝叶斯非参数模型的先验规范与公平比较。
2023-09-15 math.PR math.ST stat.TH
Measures of Dependence based on Wasserstein distances
Luiss University, Italy(卢伊斯大学);Bocconi University, Italy(博科尼大学)
本文综述了基于Wasserstein距离的随机变量相依性度量方法,涵盖两种主要途径及关键性质,并提出度量偏离最大相依性的新视角。
2026-09-24 math.PR math.ST stat.TH
Why the 1-Wasserstein distance is the area between the two marginal CDFs
我们阐明了为什么1-Wasserstein距离$W_1$与两个边缘累积分布函数(CDF)之间的区域相吻合。我们首先描述的Wasserstein距离的Copula,然后表明,$W_1$与欧几里德距离的$M$ Copula。由$M$ Copula给出相关性的两个随机变量表现出完全(正)相关性。如果我们用它们的CDF来表示随机变量,则直观地看到两个这样的随机变量之间的距离与两个CDF之间的面积一致。
2021-11-05 math.PR math.ST stat.TH
Wasserstein-p Bounds in the Central Limit Theorem Under Weak Dependence
本文针对弱相依随机变量,将Stein相依邻域方法适配到Wasserstein-p距离,得到中心极限定理的Wasserstein-p收敛上界,并将其应用于推导经验平均的渐近紧多项式衰减尾部界。
2026-09-02 math.PR math.ST stat.TH
Multivariate approximations in Wasserstein distance by Stein's method and Bismut's formula
Stein方法已广泛用于概率近似。然而,在多维设置,大多数的结果是多元正态近似或检验函数与有界的二阶或高阶导数。对于一类多元极限分布,利用Malliavin演算中的Bismut公式,通过检验函数的一阶导数来控制Stein方程解的导数.结合Stein的可交换对方法,得到了Wasserstein距离具有近最优误差界的多元逼近的一个一般定理,并将该定理应用于未调整的Langevin算法.
2018-08-14 math.PR
On Wasserstein-1 distance in the central limit theorem for elephant random walk
最近,大象的随机游动引起了人们的广泛关注。关于这一过程的渐近性态有许多文献,如中心极限定理、泛函极限定理和重对数重对数律。本文证明了当记忆参数$p$属于$0< p < 1/2,$ $1/2< p<3/4$和$p=3/4.$三种情形之一时,中心极限定理中的Wassertein-1距离是完全不同的
2022-01-10 math.PR
Wasserstein-p Bounds in the Central Limit Theorem Under Local Dependence
本文将独立随机变量在Wasserstein-p距离下的中心极限定理最优误差界推广至局部依赖随机变量(如m-依赖随机场和U-统计量),通过改进Stein依赖邻域法推导最优收敛速率并给出尾界应用。
2023-09-10 math.PR math.ST stat.TH
Normal approximation via non-linear exchangeable pairs
我们提出了一个新的功能分析方法,斯坦的方法,不需要对手头上,以满足任何近似线性回归属性的可交换对。我们利用这一理论,以获得抽象的正常和伽马逼近的某些功能的Wasserstein距离的界限。此外,我们说明了这种方法的相关性,通过三个实例的情况下,它可以应用:独立随机变量的泛函,有限总体统计和泛函有限群。在独立的情况下,特别是对称的$U$ -统计,我们证明在这方面,这种方法从根本上产生更好的界限比那些在现有的文献。最后,我们应用我们的结果,以提供Wasserstein界的CLT的子图计数的几何随机图的基础上$n$ i.i.d.点在欧几里得空间以及正常的近似皮尔逊统计。
2020-08-12 math.PR
Wasserstein-p Bounds via Cumulant-Based Edgeworth Expansion for $α$-Mixing Random Fields
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);Harvard University(哈佛大学)
本文将Wasserstein-p界扩展至α-混合随机场,通过累积量Edgeworth展开与Stein方法,证明其重标平均值以O(|T|^(-β))收敛于标准正态分布,β可达1/2。
2026-09-01 math.PR
Normal approximation for generalized U-statistics and weighted random graphs
基于任意分布的独立随机变量泛函的一般距离界,我们推导了加权U-统计量和的Wasserstein距离的正态逼近界.将这些界应用于Erdens-Rényi随机图中子图的组合权的正规逼近,将[1]的图计数结果推广到图权的设定上.我们的方法依赖于一个一般的随机分析框架的独立随机序列的泛函。
2020-07-25 math.PR
Wasserstein mixing of a systematic-scan random rotation sampler
Independent Researcher, San Diego, CA e1
该研究分析系统扫描Kac游走采样器的混合时间,证明其收敛到Haar测度的速度远慢于推测,在特定精度下需n/log n至n阶扫描,且输出分布奇异,但可提供特定应用的有效随机化。
2026-09-22 math.PR stat.CO
Normal approximation for sums of discrete $U$-statistics - application to Kolmogorov bounds in random subgraph counting
我们推导出了离散多重积分和由独立Bernoulli随机变量组成的$U$ -统计量之和在Kolmogorov距离中的正规逼近界。这种界被应用于Erd{ \H o}s-Rényi随机图的重正化子图计数的正规逼近。这种方法完全解决了一个长期存在的猜想,在一般设置的任意图计数,同时恢复和改善最近的结果,三角形以及使用Wasserstein距离的结果。
2018-06-14 math.PR
Parameter and dimension dependence of convergence rates to stationarity for Reflecting Brownian Motions
我们得到了d维反射布朗运动(RBM)在非负正交点上的L^1-Wasserstein距离上的平稳收敛速度,这些速度在维数和系统参数上是显式的。然后将结果应用于Blanchet-Chen(2016)中考虑的一类RBM和基于秩的扩散,包括Atlas模型。在这两种情况下,我们得到明确的速率和弛豫时间的界限。在第一种情况下,我们将Blanchet-Chen(2016)中获得的弛豫时间估计值O(d^4(log d)^2)改进为O((log d)^2)。在后一种情况下,我们给出了第一个结果,明确的参数和尺寸依赖率下的Wasserstein距离。的证明不需要一个明确的形式为固定措施或可逆性的过程中就这一措施,并涵盖设置这些属性是不可用的。在标准Atlas模型的特殊情况下,我们得到了弛豫时间为O(d^6(log d)^2)的一个界。
2019-12-03 math.PR
Poisson and normal approximations for the measurable functions of independent random variables
本文利用Malliavin-Stein型方法研究了无穷多个独立随机变量的可测函数的Poisson和正态逼近。将Stein方法与浓度不等式理论中的差分算子相结合,得到了Wasserstein距离、Kolmogorov距离和全变差距离的显式界.当仅限于有限个独立随机变量的函数时,我们的方法在正态近似中提供了新的界。同时,我们的边界泊松近似是第一次得到明确的。
2018-08-10 math.PR
Normal approximation on Poisson spaces: Mehler's formula, second order Poincaré inequalities and stabilization
证明了一类新的不等式,给出了一般泊松过程(Poisson随机测度)泛函的Wasserstein和Kolmogorov距离的正态逼近的界.我们的方法是基于迭代的经典Poincaré不等式,以及使用Malliavin运营商,Stein的方法,和(集成)Mehler的公式,提供了一个表示的Ornstein-Uhlenbeck半群的稀疏泊松过程。我们的估计只涉及一阶和二阶微分算子,因此有一个明确的几何解释。特别是,我们将表明,我们的结果是完全适合处理正常的几何泛函近似显示一个弱形式的稳定,并与非线性泛函的泊松散粒噪声过程。我们讨论了两个例子的稳定泛函非常详细:(i)的$k$ -最近邻图的边长,(ii)固有体积的$k$ -面的Voronoi镶嵌。在所有这些例子中,我们得到的收敛速度(在柯尔莫哥洛夫和Wasserstein距离),人们可以合理地推测是最佳的,从而显着改善文献中以前的发现。作为必要的一步,在我们的分析中,我们还得到了新的下界的泊松泛函的方差。
2014-01-29 math.PR
Stein's method for asymmetric Laplace approximation
Heriot–Watt University(赫瑞-瓦特大学);The University of Manchester(曼彻斯特大学)
本文发展了Stein方法用于非对称拉普拉斯分布近似,推导了在Kolmogorov、Wasserstein和光滑Wasserstein距离下的一般界,并应用于几何随机和确定性随机变量之和的非对称拉普拉斯近似。
2025-08-10 math.PR
Wasserstein and Kolmogorov error bounds for variance-gamma approximation via Stein's method I
方差-伽马(VG)分布形成四参数族,其包括正态分布、伽马分布和拉普拉斯分布作为特殊和限制情况。一些众多的应用包括金融建模和近似维纳空间。最近,Stein的方法已被扩展到VG分布。然而,技术困难意味着仅针对光滑的检验函数给出了分布逼近的界限(通常需要检验函数的至少两个导数)。在本文中,它涉及对称方差伽马(SVG)分布,和同伴纸\cite{gaunt vgii},它涉及整个家庭的VG分布,我们解决这个问题。在本文中,我们得到了新的界限SVG Stein方程的解的衍生物,这使得近似的Kolmogorov和Wasserstein度量,并介绍了一个分布变换,这是自然的SVG近似的上下文中。我们应用这一理论,以获得Wasserstein或Kolmogorov误差界SVG近似在四个设置:比较VG和SVG分布,SVG近似的泛函的isonormal高斯过程,SVG近似的统计二进制序列比较,和拉普拉斯近似的随机和独立的平均零随机变量。
2018-10-18 math.PR
Normal approximation and almost sure central limit theorem for non-symmetric Rademacher functionals
本文研究了独立Rademacher随机变量序列的某些泛函的正规逼近和几乎必然中心极限定理。特别是,我们提供了一个新的链式法则,改进了Nourdin,Peccati和Reinert(2010)导出的规则,然后我们使用(离散)Malliavin-Stein方法推导出正常近似的Wasserstein距离的界。此外,我们还利用L-Lifshits准则给出了固定Rademacher混沌中随机变量序列的几乎几乎必然中心极限定理.
2016-09-01 math.PR
Approximation of stable law in Wasserstein-1 distance by Stein's method
令$n \in \mathbb N$,令$ζ_{n,1},...,ζ_{n,n}$是独立随机变量的序列,对于每个$i$具有$\mathbb E ζ_{n,i}=0$和$\mathbb E |ζ_{n,i}|<\infty$,并且令$μ$是具有特征函数$e^{-|λ|^α}$和$α\in (1,2)$的$α$稳定分布。将$S_{n}=ζ_{n,1}+...+ζ_{n,n}$及其分布表示为$\mathcal L(S_n)$,我们将$\mathcal L(S_{n})$和$μ$的Wasserstein距离定义为两个核之间的$L^{1}$差异,这个界限可以解释为Ledoux,Nourdin和Peccati引入的Stein差异(在$L^{2}$意义上)的推广.更确切地说,我们证明了以下不等式:\begin{equation} \begin{split} d_W\left(\mathcal L (S_n), μ\right) \ \le C \left[\sum_{i=1}^n\int_{-N}^N \left|\frac{\mathcal K_α(t,N)}n -\frac{ K_i(t,N)}α\right| d t \ +\ \mathcal R_{N,n}\right], \end{split} \end{equation}其中$d_{W}$是概率测度的Wasserstein距离,$\…
2018-11-17 math.PR
Wasserstein-p Central Limit Theorem Rates: From Local Dependence to Markov Chains
Department of Industrial & Systems Engineering, University of Wisconsin-Madison(工业与系统工程系,威斯康星大学麦迪逊分校)
本文研究了多维依赖数据在Wasserstein-p距离下的中心极限定理速率,针对局部依赖序列和几何递归马尔可夫链,首次在W_1距离下获得最优O(n^{-1/2})速率,并在较弱矩假设下获得W_p(p≥2)的CLT速率,改进了现有依赖数据领域的最佳界。
2026-04-20 cs.LG math.PR stat.ML
Quantitative CLTs for Geometric Statistics of Dependent Marked Point Processes
The University of Melbourne(墨尔本大学);Lehigh University(利哈伊大学);Jilin University(吉林大学)
针对依赖标记点过程,提出基于弱混合条件的几何统计量正态逼近速率,在Wasserstein距离下给出收敛速率,涵盖行列式点过程、非均匀时间序列等应用。
2026-06-29 math.PR
Asymptotically optimal Wasserstein couplings for the small-time stable domain of attraction
针对小时间区域内被多维稳定过程吸引的纯跳Lévy过程,构建两种新型耦合得到路径空间Wasserstein距离收敛上界,结合慢变函数等性质建立匹配下界,明确正态与非正态吸引域的收敛速率特征。
2025-06-18 math.PR math.ST stat.TH
Multivariate normal approximation using Stein's method and Malliavin calculus
我们结合Stein的方法与Malliavin演算,以获得明确的界限,在多维正常的近似(在Wasserstein距离)的高斯场的泛函。我们的结果推广和完善了Peccati和Tudor(2005),Nualart和Ortiz-Latorre(2007),Peccati(2007)以及Nourdin和Peccati(2007 b,2008)的主要发现;特别是,它们适用于通过高斯向量与任意正定协方差阵的近似。在几个例子中,我们提供了一个应用程序的布鲁尔-主要CLT的功能版本的字段从属于一个分数布朗运动。
2008-11-19 math.PR
Error bounds for simultaneous Wasserstein contractive adaptive increasingly rare MCMC
University of Bath(巴斯大学);University of Passau(帕绍大学)
针对自适应渐稀马尔可夫链蒙特卡洛算法,在同时Wasserstein压缩假设下推导均方误差的显式界,并应用于自适应立体算法和基于归一化流的Metropolis-Hastings方案。
2026-06-29 math.PR math.ST stat.CO
Kolmogorov bounds for the normal approximation of the number of triangles in the Erdos-Renyi random graph
本文给出了Erdos-Renyi随机图中三角形个数的正态近似的误差界。我们的边界匹配Bartheland,Karonski和Rucinski(1989)获得的最佳Wasserstein边界,解决了一个长期存在的开放问题。证明是基于一个新的变形的斯坦-Tikhomirov方法-结合斯坦的方法和特征函数介绍Tikhomirov(1980)。
2017-04-03 math.CO math.PR
Iterated Schrödinger bridge approximation to Wasserstein Gradient Flows
本文提出通过迭代计算相同边缘分布的Schrödinger桥来离散逼近Wasserstein梯度流,证明其收敛性,并为transformer自注意力趋近热流提供严格概率框架。
2024-06-16 math.PR stat.ML
Wasserstein sensitivity of Risk and Uncertainty Propagation
当在微分方程的数据中传播不确定性时,描述不确定性的概率定律本身通常也会受到不确定性的影响。本文研究了具有随机输入的微分方程的不确定性传播对输入测度扰动的灵敏度分析。研究了一类带随机系数和源项的椭圆扩散方程,证明了其解随机场的概率测度在全变差和Wasserstein距离下均为Lipschitz连续.所得结果推广到任何局部Hölder依赖于输入参数的微分方程的解映射。此外,这些结果扩展到Lipschitz连续量的解决方案,以及连贯的风险泛函的这些应用,以评估其不确定性的影响。我们的分析是基于风险泛函和推进措施的局部Hölder映射的Wasserstein距离扰动输入分布的敏感性。所建立的结果,特别是对数正态扩散和截断的情况下,输入随机场的系列表示。
2022-02-28 cs.NA math.NA math.OC
Stability of Change-of-Numéraire Reweighting: An Exact Wasserstein Boundary
Kspectra Research Inc.(Kspectra研究院)
本文精确刻画了计价单位变更重加权的Wasserstein稳定性条件,指出一阶近似下计价单位抵消,唯一障碍是计价单位消失处的收益质量,并应用于传输文献中的矩假设。
2026-09-28 math.PR q-fin.MF
Correction to "Wasserstein distance estimates for the distributions of numerical approximations to ergodic stochastic differential equations"
University of Edinburgh(爱丁堡大学)
本文更正 Sanz-Serna 和 Zygalakis 关于遍历 SDE 的 UBU 积分器 Wasserstein-2 非渐近误差分析,指出需更强假设才能得到原有复杂度结论。
2024-12-02 cs.LG cs.NA math.NA
Weak convergence of the empirical process of intermittent maps in L2 under long-range dependence
本文研究了平方可积函数希尔伯特空间中间歇映射迭代的经验分布函数关于勒贝格测度的行为。在长程相关情形下,证明了经验分布函数经适当归一化后收敛于退化稳定过程,并给出了相应的几乎必然结果.我们将结果应用于经验测度和不变测度之间的Wasserstein距离的收敛性。我们也应用它来获得相应的Cramér-von-Mises统计量的渐近分布。
2013-11-22 math.DS math.PR
Stein's method for the matrix normal distribution
The University of Manchester(曼彻斯特大学);Université du Québec à Trois-Rivières(魁北克大学特鲁瓦里维埃分校);Penn State University(宾夕法尼亚州立大学)
本文首次系统发展矩阵分布的Stein方法,通过矩阵Ornstein-Uhlenbeck扩散建立Stein恒等式,给出Stein方程解的半群表示及正则性估计,并应用于矩阵中心极限定理、矩阵T分布近似及协方差估计。
2026-08-21 math.PR math.ST stat.TH
Nearly sharp comparison results for sliced and max-sliced Wasserstein distances
Courant Institute of Mathematical Sciences, New York University(纽约大学库朗数学科学研究所);Department of Mathematics and Data Science, Courant Institute of Mathematical Sciences, New York University(纽约大学库朗数学科学研究所数学与数据科学系)
该研究证明了Wasserstein距离与切片、最大切片Wasserstein距离的比较结果,确定了最大切片距离Hölder指数的最优性,给出了离散测度下的尖锐比较界并证明其线性依赖关系无法改进。
2026-08-14 math.FA math.PR math.ST
Nonasymptotic estimates for Stochastic Gradient Langevin Dynamics under local conditions in nonconvex optimization
Nanyang Technological University(南洋理工大学);Imperial College London(伦敦帝国理工学院);The Alan Turing Institute(艾伦·图灵研究所);The University of Warwick(华威大学);The University of Edinburgh(爱丁堡大学);National Technical University of Athens(雅典国立技术大学)
本文研究了非凸优化问题中抽样算法的非渐近性。特别是,我们获得非渐近估计Wasserstein-1和Wasserstein-2距离的一类流行的算法称为随机梯度Langevin动力学(SGLD)。此外,上述Wasserstein-2收敛结果可以应用于建立预期超额风险的非渐近误差界。最重要的是,这些结果是在局部利普希茨条件和局部耗散性条件下得到的,在该条件下,我们去除了数据流中的一致依赖性。我们通过变分推理和指数跟踪优化的例子说明了这种放松的重要性。
2022-10-14 cs.LG math.PR math.ST