23 votos

¿Qué es una medida gaussiana?

Sea $X$ sea un espacio afín topológico. Una medida gaussiana sobre $X$ se caracteriza por la propiedad de que sus proyecciones de dimensión finita son distribuciones gaussianas multivariantes.

¿Existe una caracterización directa de una medida gaussiana que no dependa de proyecciones de dimensión finita? Esta definición es análoga a describir un pato como el animal cuyas sombras se parecen a $2$ -patos dimensionales. La definición es suficiente para hacer el análisis, pero para mí se pierde la esencia de lo que es una medida gaussiana es como objeto matemático en sí mismo.


He aquí la definición precisa de una medida gaussiana con la que suelo trabajar, que se basa en el hecho de que los gaussianos se describen íntegramente por su estructura de covarianza.

Para $X$ un espacio afín topológico como el anterior, sea $X^*$ denota su espacio dual de funcionales afines. El espacio dual es un espacio lineal, ya que existe una función natural cero $0 \in X^*$ .

Sea $K : X^* \to X$ sea un operador afín continuo simétrico y no negativo-definido, es decir, $f'(Kf) = f(Kf')$ y $f(Kf) \ge 0$ para todos $f, f' \in X^*$ . Sea $m_K := K(0)$ denotan la imagen del funcional cero.

Existe una única medida gaussiana $P_K$ en $X$ con punto medio $m_K \in X$ y el operador de covarianza $K : X^* \to X$ . Es decir, si $\pi : X \to \mathbb R^n$ denota una proyección de dimensión finita, entonces la medida push-forward $\pi_* P_K := P_K \circ \pi^{-1}$ es un $n$ -dimensiona la distribución gaussiana con el vector medio $\pi(m_K) \in \mathbb R^n$ y la matriz de covarianza $\pi K \pi^*$ donde $\pi^* : (\mathbb R^n)^* \to K^*$ denota el operador adjunto formal.

Además, el teorema de estructura para medidas gaussianas afirma que todas las medidas gaussianas surgen de este modo. En consecuencia, podemos parametrizar el espacio de medidas gaussianas por el espacio $\mathcal K(X)$ de operadores simétricos no negativos de $X^*$ à $X$ .

Esto proporciona una respuesta débil a la pregunta planteada al principio de este post: sí, las medidas gaussianas pueden caracterizarse directamente por su estructura de covarianza. En consecuencia, aquí está la forma más fuerte de mi pregunta:

  • ¿Existe una descripción geométrica del espacio $\mathcal K(X)$ de los operadores de covarianza gaussianos?

Por ejemplo, ¿es el espacio $\mathcal K(X)$ una colector infinito-dimensional? ¿Cuál es su grupo de simetría?


Edita: Mi post anterior define implícitamente la forma de covarianza de forma incorrecta. En el entorno afín, la forma de covarianza se define por $\langle f', f \rangle_K := f'(Kf) - f'(0)$ y las condiciones de simetría y de no negatividad son $\langle f', f \rangle_K = \langle f, f' \rangle_K$ y $\langle f, f \rangle_K \ge 0$ respectivamente. Es fácil verificar que esto define una forma bilineal en el espacio dual $X^*$ de funcionales afines.

13voto

Thibaut Barrère Puntos 2865

Debería echar un vistazo a la $4$ -volumen de Gelfand-Vilenkin en Funciones generalizadas donde describen este concepto con gran detalle, aunque en un lenguaje anticuado. La descripción más completa que conozco se encuentra en Laurent Schwartz Libro Medidas contra el radón .

Las cosas son bastante razonables para las medidas gaussianas definidas en duales de espacios nucleares. El espacio de distribuciones (funciones generalizadas) sobre un dominio de $\mathbb{R}^n$ es un espacio de este tipo. La medida de Wiener se define en un espacio de funciones generalizadas, pero se apoya en un espacio mucho más "delgado".

Más allá de los duales de los espacios nucleares hay que asumir algunas cosas sobre el operador de covarianza $\mathscr{K}$ .

En cualquier caso, eche un vistazo a las dos referencias anteriores.

Edita: El libro Medidas gaussianas de Bogachev es también una muy buena fuente.

13voto

Click Ok Puntos 521

También puede intentar definir las medidas gaussianas como $2$ -estable distribuciones. Esto elimina cualquier dependencia de las proyecciones de dimensión finita, e incluso elimina la referencia a la topología. Sea $V$ sea un espacio vectorial medible (me refiero a un espacio vectorial real $V$ con álgebra sigma $\mathcal{F}$ con respecto a la cual la suma y la multiplicación son mensurables).

Una medida de probabilidad $\mu$ en $V$ es entonces un centrado Gaussiano si, para cualquier par independiente $X,Y$ de $V$ -variables aleatorias con medida $\mu$ entonces $aX+bY$ también tiene medida $\mu$ para todos $a,b\in\mathbb{R}$ con $a^2+b^2=1$ .

Si $A$ es un espacio afín (medible) con un espacio vectorial subyacente $V$ entonces podríamos decir que $\mu$ es gaussiano si existe un $m\in A$ tal que $X-m$ es una gaussiana centrada en $V$ para una variable aleatoria $X$ con medida $\mu$ .

De ello se desprenden rápidamente varios hechos:

  • Los mapas afines llevan gaussianos a gaussianos, y los mapas lineales llevan gaussianos centrados a gaussianos centrados.
  • Las combinaciones lineales de gaussianos (centrados) independientes vuelven a ser gaussianos (centrados).
  • En espacios de Banach separables, la definición es equivalente a la estándar como medidas cuyas proyecciones unidimensionales son gaussianas. Más generalmente, esto es válido para cualquier espacio localmente convexo en el que la adición es conjuntamente medible por Borel (por ejemplo, separable Espacios de Frechet ).
  • La definición tiene sentido incluso para, por ejemplo, separables Espacios F que puede tener dual trivial. (Otra cuestión es si es realmente útil considerar gaussianos en tales espacios).

Esto parece dar una respuesta primer párrafo de la pregunta, y no depende de las proyecciones. No estoy seguro de si va en la dirección que la pregunta estaba pidiendo, sin embargo, ya que no dice nada acerca de la forma más fuerte de la pregunta más abajo y no menciona los operadores de covarianza en absoluto.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X