Poisson thinning is an elementary result in probability, which is of great importance in the theory of Poisson point processes. In this article, we record a couple of characterisation results on Poisson thinning. We also consider free Poisson thinning, the free probability analogue of Poisson thinning, which arises naturally as a high-dimensional asymptotic analogue of Cochran's theorem from multivariate statistics on the "Wishart-ness" of quadratic functions of Gaussian random matrices. The main difference between classical and free Poisson thinning is that, in the former, the involved Poisson random variable can have an arbitrary mean, whereas, in the free version, the "mean" of the relevant free Poisson variable must be 1. We prove similar characterisation results for free Poisson thinning and note their implications in the context of Cochran's theorem.


翻译:Poisson 瘦化是概率的一个基本结果, 这在 Poisson 点进程理论中非常重要 。 在文章中, 我们记录了几个关于 Poisson 瘦化的特征化结果 。 我们还考虑自由 Poisson 瘦化的免费概率比喻Poisson 瘦化的免费概率比喻, 这自然产生为Cochran 理论的高维非湿性比喻, 它来自关于 Gaussian 随机矩阵的二次函数“ Wishart-ness” 的多变量统计。 古典和免费 Poisson 瘦化的主要区别在于, 在前者中, 所涉及的Poisson 随机变量可能具有任意的平均值, 而在自由版本中, 相关的自由 Poisson 变异的“ 意思” 必须是 1 。 我们证明自由 Poisson 瘦化的相似的特征化结果, 并注意其在 Cochran 的理论中的影响 。

0
下载
关闭预览

相关内容

Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
腊月廿八 | 强化学习-TRPO和PPO背后的数学
AI研习社
17+阅读 · 2019年2月2日
TCN v2 + 3Dconv 运动信息
CreateAMind
4+阅读 · 2019年1月8日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Arxiv
0+阅读 · 2021年3月9日
Arxiv
0+阅读 · 2021年3月7日
VIP会员
相关VIP内容
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
腊月廿八 | 强化学习-TRPO和PPO背后的数学
AI研习社
17+阅读 · 2019年2月2日
TCN v2 + 3Dconv 运动信息
CreateAMind
4+阅读 · 2019年1月8日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Top
微信扫码咨询专知VIP会员