Empirical Measures and Strong Laws of Large Numbers in Categorical Probability

तकनीकी सारांश: श्रेणीगत संभाव्यता में अनुभवजन्य माप और बड़ी संख्याओं के सशक्त नियम

समस्या विवरण
यह शोध पत्र संभाव्यता सिद्धांत के मूलभूत सीमा सिद्धांतों (limit theorems)—विशेष रूप से ग्लिवेनको–कैन्टेली प्रमेय (Glivenko–Cantelli theorem) और बड़ी संख्याओं के सशक्त नियम (Strong Law of Large Numbers - SLLN)—को श्रेणीगत संभाव्यता (categorical probability) के ढांचे के भीतर प्रतिरूपित करने की चुनौती को संबोधित करता है। जबकि श्रेणीगत संभाव्यता ने मार्कोव श्रेणियों (Markov categories) का उपयोग करके स्वतंत्रता, सप्रतिबंधता (conditioning) और डी फिनेटी प्रमेय जैसे अवधारणाओं का सफलतापूर्वक अमूर्तीकरण किया है, ये ढांचे आमतौर पर पूर्ण मॉर्फिज्म (total morphisms—वे मॉर्फिज्म जो सभी इनपुट के लिए परिभाषित होते हैं) को मानते हैं।

यहाँ संबोधित विशिष्ट कठिनाई अनंत अनुक्रमों (infinite sequences) के लिए अनुभवजन्य मापों (empirical measures) की प्रकृति है। मानक माप सिद्धांत (measure theory) में, एक अनंत अनुक्रम $(x_i)_{i \in \mathbb{N}}$ का अनुभवजन्य माप सापेक्ष आवृत्तियों के सीमा (limit) के रूप में परिभाषित किया जाता है। हालाँकि, यह सीमा प्रत्येक अनुक्रम के लिए अस्तित्व में नहीं आती (जैसे, दोलन करने वाले अनुक्रम), और भले ही यह अस्तित्व में हो, यह एक वैध संभाव्यता माप को परिभाषित करने में विफल हो सकती है (जैसे, $\sigma$-योोज्यता/$\sigma$-additivity में विफल होना, जैसे कि $\mathbb{N}$ पर $1, 2, 3, \dots$ का अनुक्रम)। फलस्वरूप, "अनुभवजन्य माप से नमूना लेना" (sampling from an empirical measure) स्वाभाविक रूप से एक आंशिक क्रिया (partial operation) है। मानक मार्कोव श्रेणियाँ, जिनमें सभी मॉर्फिज्म का पूर्ण होना आवश्यक है, इस घटना को सीधे मॉडल करने के लिए अपर्याप्त हैं। लेखक एक ऐसा सिंथेटिक (स्वयंसिद्ध) ढांचा विकसित करने का प्रयास करते हैं जो इन आंशिकताओं को समायोजित कर सके और मानक माप-सैद्धांतिक परिणामों को पुनः प्राप्त कर सके।

कार्यप्रणाली
लेखक अमूर्त श्रेणी सिद्धांत और मूर्त माप-सैद्धांतिक निर्माणों को संयोजित करने वाला एक दो-आयामी दृष्टिकोण अपनाते हैं:

1. क्वासी-मार्कोव श्रेणियाँ (Quasi-Markov Categories): आंशिकता को संभालने के लिए, लेखक क्वासी-मार्कोव श्रेणियों के भीतर कार्य करते हैं। मानक मार्कोव श्रेणियों के विपरीत, जहाँ प्रत्येक मॉर्फिज्म पूर्ण होता है, क्वासी-मार्कोव श्रेणियाँ ऐसे मॉर्फिज्म की अनुमति देती हैं जो "क्वासी-टोटल" (quasi-total) होते हैं। एक मॉर्फिज्म $f: A \to X$ क्वासी-टोटल है यदि वह या तो अपरिभाषित है या प्रत्येक इनपुट के लिए एक सामान्यीकृत आउटपुट उत्पन्न करता है। यह ढांचा एक कैनोनिकल आंशिक क्रम (extension relation) का समर्थन करता है जहाँ $f \sqsupseteq g$ तब होता है जब $f$, $g$ का विस्तार करता है।
2. $\sigma$-निरंतरता ($\sigma$-Continuity): अनंत टेंसर उत्पादों (Kolmogorov products) और अनंत अनुक्रमों को प्रबंधित करने के लिए, लेखक $\sigma$-निरंतरता की धारणा पेश करते हैं। यह सुनिश्चित करता है कि 'होम-सेट्स' (hom-sets) में गणनीय निर्देशित मिल (countable directed meets—डोमेन के प्रतिच्छेदन) मौजूद हैं और ये संयोजन (composition) तथा टेंसर उत्पादों द्वारा संरक्षित किए जाते हैं। यह गुण दिखाया गया है कि माप सिद्धांत में संभाव्यता मापों की $\sigma$-निरंतरता के अनुरूप है।
3. अनुभवजन्य नमूनाकरण का स्वयंसिद्धीकरण (Axiomatization of Empirical Sampling): इस कार्यप्रणाली का मूल एक अनुभवजन्य नमूनाकरण मॉर्फिज्म (empirical sampling morphism) $es_X: X^\mathbb{N} \to X$ की परिभाषा है। यह मॉर्फिज्म एक अनंत अनुक्रम को इनपुट के रूप में लेता है और उसके अनुभवजन्य माप से एक नमूना आउटपुट के रूप में देता है। लेखक इस मॉर्फिज्म के लिए दो स्वयंसिद्ध प्रस्तावित करते हैं:
   • क्रमपरिवर्तन अपरिवर्तनीयता (Permutation Invariance): मॉर्फिज्म इनपुट अनुक्रम के परिमित क्रमपरिवर्तनों (finite permutations) के तहत अपरिवर्तनीय है।
   • अनुभवजन्य पर्याप्तता (Empirical Adequacy): यदि $X^\mathbb{N}$ पर एक वितरण विनिमय योग्य (exchangeable) है, तो नमूना लेना, नमूने लिए गए अनुक्रम पर बार-बार अनुभवजन्य नमूनाकरण लागू करने के समान है।
4. मूर्त निर्माण (Concrete Constructions): लेखक आंशिक मार्कोव कर्नेल, Partial(BorelStoch) के भीतर, मानक बोरेल स्थानों (परिमित सेट, $\mathbb{N}$, और $\mathbb{R}$) के लिए स्पष्ट अनुभवजन्य नमूनाकरण मॉर्फिज्म का निर्माण करते हैं। वे यह सुनिश्चित करने के लिए इन मॉर्फिज्म के डोमेन को सावधानीपूर्वक परिभाषित करते हैं कि परिणामी सीमाएँ $\sigma$-योोज्यता को संतुष्ट करें और $\mathbb{R}$ के लिए, संचयी वितरण फलनों (CDFs) का एकसमान अभिसरण (uniform convergence) सुनिश्चित करें।

प्रमुख योगदान

• आंशिकता के लिए ढांचा: शोध पत्र क्वासी-मार्कोव श्रेणियों के सिद्धांत को विकसित करता है, विशेष रूप से इस सेटिंग में कोलमोगोरोव उत्पादों के अस्तित्व और गुणों को स्थापित करता है। इसमें यह सिद्ध करना शामिल है कि Partial(BorelStoch) एक $\sigma$-निरंतर क्वासी-मार्कोव श्रेणी है।
• अनुभवजन्य नमूनाकरण मॉर्फिज्म की परिभाषा: लेखक क्रमपरिवर्तन अपरिवर्तनीयता और अनुभवजन्य पर्याप्तता के स्वयंसिद्धों के माध्यम से अनुभवजन्य नमूनाकरण मॉर्फिज्म की एक कठोर श्रेणीगत परिभाषा प्रदान करते हैं। वे प्रदर्शित करते हैं कि ये मॉर्फिज्म सभी मानक बोरेल स्थानों के लिए अस्तित्व में हैं।
• सीमा सिद्धांतों के सिंथेटिक प्रमाण: अनुभवजन्य नमूनाकरण मॉर्फिज्म के अस्तित्व और संतुलित इडेम्पोटेंट्स (balanced idempotents) के विभाजन का उपयोग करते हुए, वे निम्नलिखित के अमूर्त संस्करण प्राप्त करते हैं:
  • डी फिनेटी प्रमेय (de Finetti Theorem): यह दिखाना कि विनिमय योग्य (exchangeable) मॉर्फिज्म एक वितरण वस्तु (distribution object) के माध्यम से गुणनखंडित होते हैं।
  • ग्लिवेनको–कैन्टेली प्रमेय (Glivenko–Cantelli Theorem): अनुभवजन्य मापों का अंतर्निहित वितरण की ओर एकसमान अभिसरण स्थापित करना।
  • बड़ी संख्याओं का सशक्त नियम (SLLN): अनुभवजन्य औसत के अपेक्षित मान (expected value) की ओर अभिसरण को व्युत्पन्न करना।
• एकीकरण (Unification): यह कार्य प्रथम सिद्धांतों से डी फिनेटी प्रमेय, ग्लिवेनको–कैन्टेली प्रमेय और SLLN के संयुक्त प्रमाण को एक एकल श्रेणीगत ढांचे के भीतर प्रस्तुत करता है, न कि उन्हें अलग-अलग माप-सैद्धांतिक परिणामों के रूप में मानता है।

परिणाम

1. प्रतिनिधित्व क्षमता (Representability): अनुभवजन्य नमूनाकरण मॉर्फिज्म का अस्तित्व यह दर्शाता है कि श्रेणी अवलोकन योग्य रूप से प्रतिनिधित्व योग्य (observationally representable) है। इसका अर्थ है कि प्रत्येक वस्तु $X$ के लिए, एक वितरण वस्तु $PX$(संभाव्यता मापों का प्रतिनिधित्व करने के लिए) और एक नमूनाकरण मॉर्फिज्म$samp: PX \to X$ मौजूद है।
2. सिंथेटिक ग्लिवेनको–कैन्टेली प्रमेय: किसी भी क्वासी-मार्कोव श्रेणी में जो लेखकों के अनुमानों (अनुभवजन्य नमूनाकरण मॉर्फिज्म के अस्तित्व सहित) को पूरा करती है, पुन: नमूनाकरण मॉर्फिज्म $es^{(N)}$ वितरण वस्तु के माध्यम से विभाजित होता है। यह इस परिणाम की ओर ले जाता है कि किसी भी विनिमय योग्य मॉर्फिज्म $f$ के लिए, अनुभवजन्य माप अंतर्निहित वितरण के लगभग निश्चित रूप से (almost surely) बराबर होता है।
3. मानक परिणामों की प्राप्ति: Partial(BorelStoch) में इन अमूर्त प्रमेयों को स्थापित करके:
   • सिंथेटिक ग्लिवेनको–कैन्टेली प्रमेय वास्तविक-मान वाले यादृच्छिक चरों के लिए मानक प्रमेय को पुनः प्राप्त करता है, जो बताता है कि अनुभवजन्य CDF लगभग निश्चित रूप से वास्तविक CDF की ओर एकसमान रूप से अभिसरित होती है।
   • सिंथेटिक SLLN कोलमोगोरोव के SLLN को वास्तविक-मान वाले यादृच्छिक चरों के लिए पुनः प्राप्त करता है जिनके पास परिमित प्रथम क्षण (finite first moments) होते हैं। लेखक नोट करते हैं कि $\mathbb{R}$ के लिए अनुभवजन्य नमूनाकरण मॉर्फिज्म के डोमेन पर एक विशिष्ट प्रतिबंध आवश्यक है ताकि अनुभवजन्य औसत के अभिसरण को सुनिश्चित किया जा सके (उस मामले को संभालते हुए जहाँ माध्य अस्तित्व में नहीं हो सकता है)।

महत्व
शोध पत्र का दावा है कि यह कार्य प्रथम सिद्धांतों से तीन मौलिक संभाव्यता परिणामों के एक संरचित प्रमाण को प्रदान करता है। लेखक तर्क देते हैं कि उनका संयुक्त प्रमाण पारंपरिक शुद्ध माप-सैद्धांतिक उपचारों की तुलना में छोटा है और इसमें बेहतर वैचारिक स्पष्टता है। अनुभवजन्य नमूनाकरण मॉर्फिज्म को एक प्रमुख अवधारणा के रूप में पहचानकर, यह शोध पत्र सुझाव देता है कि ये मॉर्फिज्म बड़े संख्याओं के नियमों को श्रेणीगत भाषा में अनुवादित करने के लिए एक अमूल्य उपकरण हैं। वे यह भी मानते हैं कि यह बोध श्रेणीगत संभाव्यता में आगे की प्रगति को सुगम बना सकता है, जिससे संभवतः इसी ढांचे के भीतर एर्गोडिक थ्योरम (ergodic theorems) जैसे अन्य सीमा सिद्धांतों के विकास में सहायता मिल सकती है। यह कार्य इस बात पर जोर देता है कि हालांकि संभाव्यता अवधारणाओं को श्रेणी सिद्धांत में अनुवादित करना अक्सर गैर-तुच्छ होता है, लेकिन परिणामी अमूर्तीकरण उन आवश्यक संरचनात्मक गुणों (क्रमपरिवर्तन अपरिवर्तनीयता और अनुभवजन्य पर्याप्तता) को प्रकट करता है जो इन शास्त्रीय प्रमेयों को आधार प्रदान करते हैं।