서브가우시안 비교 정리의 새로운 증명과 확장

초록

본 논문은 1‑서브가우시안 랜덤 벡터가 보편적인 상수배 표준 가우시안 벡터에 대해 볼록 순서(convex order)로 지배된다는 정리를 증명한다. 기존의 탈라그랑(Subgaussian comparison) 정리를 강화하며, 텐서화 기법(류진)과 페르니케(Fernique)의 고전적 아이디어를 결합한다. 결과는 볼록 함수에 대한 기대값 비교, 스트라센의 정리와의 연계, 그리고 비중심 가우시안 과정에 대한 새로운 메이저라이징 측정 정리를 제공한다.

상세 분석

이 논문은 “1‑subgaussian”이라는 약한 꼬리 제어 조건이 실제로는 훨씬 강력한 확률적 지배 관계, 즉 볼록 순서(convex ordering)를 통해 표준 정규분포와 비교될 수 있음을 보인다. 핵심 아이디어는 두 단계로 나뉜다. 첫 번째는 기존의 탈라그랑 정리에서 1‑동차 볼록 함수에 대해서만 성립하던 비교를, 임의의 볼록 함수에까지 확장하는 것이다. 이를 위해 저자는 Fernique가 도입한 함수형 F(P_X,μ) — 임의 인덱스 μ에 대해 프로세스 X를 평가한 기대값의 최댓값 — 를 활용한다. 이 함수형은 Strassen의 정리와 연결되어, X와 표준 가우시안 G 사이에 확률적 커플링이 존재함을 보인다(코론 1.2).

두 번째 핵심은 Liu가 제시한 텐서화 원리이다. 임의의 확률 과정 X와 유리한 확률 측도 μ에 대해, X의 복제본을 N번 독립적으로 샘플링하고 이를 μ의 원자 빈도에 맞게 재배열하면, 새로운 과정 (X_t)_{t∈T_N(μ)} 가 정역성(stationary) 을 갖는다. 정역성은 기존의 Dudley‑Fernique 체이닝 기법을 그대로 적용할 수 있게 해 주며, 따라서 기대 supremum을 기존의 메이저라이징 측정 정리(정리 2.1)를 통해 가우시안 경우와 비교할 수 있다.

논문은 다음과 같은 논리 흐름을 따른다.

1. 정의와 목표 설정: 1‑subgaussian 벡터 X와 표준 가우시안 G를 도입하고, 볼록 함수 f에 대해 E