Variance gamma approximation to sums of triplewise independent random variables

Sintesi Tecnica: Approssimazione Gamma-Varianza per Somme di Variabili Casuali Tripletamente Indipendenti

Enunciato del Probleo
Il Teorema del Limite Centrale (CLT) stabilisce che le somme parziali standardizzate di variabili casuali indipendenti e identicamente distribuite (i.i.d.) convergono a una distribuzione normale standard. Tuttavia, questa convergenza si basa fortemente sull'indipendenza mutua. È ben noto che l'indipendenza mutua non può essere rilassata all'indipendenza a coppie, né, tantomeno, all'indipendenza triplice, senza potenzialmente perdere la normalità. Nello specifico, è possibile costruire sequenze di variabili casuali tripletamente indipendenti tali che le loro somme parziali standardizzate convergano a una distribuzione non normale.

Ricerche precedenti, in particolare quelle di Beaulieu et al., hanno dimostrato che, per una specifica costruzione basata su grafi bipartiti completi, le somme parziali standardizzate di variabili casuali tripletamente indipendenti convergono in legge a una distribuzione Gamma-Varianza (VG) anziché a una normale. Sebbene questo comportamento limite fosse noto, vi era una mancanza di limiti di errore quantitativi per misurare il tasso di convergenza di tali approssimazioni. Questo articolo affronta il problema dell'approssimazione delle somme di variabili casuali tripletamente indipendenti utilizzando la distribuzione Gamma-Varianza e la derivazione di espliciti limiti di errore per tale approssimazione.

Metodologia
Gli autori utilizzano il metodo di Stein, una tecnica probabilistica usata per limitare la distanza tra due distribuzioni di probabilità, combinata con la trasformazione di zero-bias generalizzata.

1. Costruzione Grafica: Lo studio utilizza una sequenza di grafi bipartiti completi $G_m$ con $m$ vertici in ciascuna partizione. Le variabili casuali sono assegnate ai vertici e gli archi sono definiti in base all'uguaglianza di queste variabili dei vertici. Questa costruzione genera una sequenza di variabili casuali tripletamente indipendenti.
2. Metodo di Stein per la Distribuzione VG: Gli autori utilizzano l'equazione di Stein specifica per la distribuzione Gamma-Varianza. Per una variabile target $Z \sim VG(1, 0, 1, 0)$, l'operatore di Stein è definito come $A_2f(x) = xf''(x) + f'(x) - xf(x)$. La soluzione di questa equazione, $f_h$, viene analizzata per stabilire limiti sulle sue derivate.
3. Trasformazione di Zero-Bias Generalizzata: Gli autori applicano il concetto di distribuzione zero-biased di ordine $n$ (specificamente di ordine 2 in questo contesto). Costruiscono un accoppiamento tra la somma delle variabili casuali $W_l$ e la sua controparte zero-biased $W_l^{*(2)}$.
4. Limitazione della Distanza: Combinando le proprietà della soluzione dell'equazione di Stein con le proprietà della trasformazione di zero-bias, gli autori limitano le distanze di Wasserstein e di Wasserstein limitata tra le somme parziali e la distribuzione VG limite.

Contributi Chiave e Risultati

• Primi Limiti di Errore per l'Indipendenza Triplice: L'articolo sostiene di essere il primo lavoro a derivare espliciti limiti di errore rispetto alle metriche di probabilità (distanze di Wasserstein e di Wasserstein limitata) per l'approssimazione di somme di variabili casuali tripletamente indipendenti.
• Derivazione dei Limiti:
  • Gli autori stabiliscono che per $W_l$ (la somma standardizzata) e $Z \sim VG(1, 0, 1, 0)$, la distanza di Wasserstein limitata soddisfa:
    $$d_{bW}(W_l, Z) \leq \frac{5}{4\sqrt{l}m} \left( \|h'\| + \frac{9}{2}\|\tilde{h}(x)\| \right)$$
  • Di conseguenza, la distanza di Wasserstein è limitata da:
    $$d_W(W_l, Z) \leq \frac{495}{32\sqrt{l}m}$$
  • Questi risultati sono estesi al caso in cui il limite sia $Z \sim VG(l-1, 0, 1, 0)$, ottenendo limiti proporzionali a $\frac{\sqrt{l(l-1)}}{m}$.
• Tasso di Convergenza: L'analisi rivela che l'ordine di convergenza per questo risultato limite è $O(m^{-1})$ (o equivalentemente $O(n^{-1/2})$ dove $n=m^2$ è il numero di archi).

Significatività e Rivendicazioni
Gli autori posizionano questo lavoro come un contributo originale alla letteratura sui teoremi limite per variabili casuali dipendenti. Mentre Beaulieu et al. avevano precedentemente stabilito l'esistenza della convergenza alla distribuzione Gamma-Varianza per somme tripletamente indipendenti, questo articolo fornisce il tasso di convergenza quantitativo di tale convergenza.

L'articolo afferma esplicitamente che l'ottenimento dell'ordine di convergenza $O(m^{-1})$ è un risultato originale. Fornendo questi limiti, il lavoro va oltre i controesempi qualitativi del CLT, offrendo un quadro rigoroso per misurare quanto strettamente le somme di variabili casuali tripletamente indipendenti approssimino la distribuzione Gamma-Varianza. La metodologia si basa sulla specifica connessione tra l'indipendenza triplice e i grafi bipartiti completi, utilizzando la trasformazione di zero-bias generalizzata per gestire le dipendenze inerenti alla costruzione.