Large deviations for macroscopic observables of heavy-tailed matrices | Vidéo | Carmin.tv

00:00:00 / 00:00:00

Large deviations for macroscopic observables of heavy-tailed matrices

De Alice Guionnet

Apparaît dans la collection : Chaire Jean Morlet - Conference - Algebraic aspects of random matrices / Chaire Jean Morlet - Conference - Aspects algébriques des matrices aléatoires

We consider independent Hermitian heavy-tailed random matrices. Our model includes the Lévy matrices as well as sparse random matrices with O(1) non-zero entries per row. By representing these matrices as weighted graphs, we derive a large deviation principle for key macroscopic observables. Specifically, we focus on the empirical distribution of eigenvalues, the joint neighborhood distribution, and the joint traffic distribution. As an application, we define a notion of microstates entropy for traffic distribution which is additive under free traffic convolution.

Informations sur la vidéo

Date de captation 08/10/2024
Date de publication 04/11/2024
Institut CIRM
Licence CC BY NC ND
Langue Anglais
Audience Chercheurs, Doctorants
Réalisateur(s) Guillaume Hennenfent
Format MP4

Données de citation

DOI 10.24350/CIRM.V.20255103
Citer cette vidéo Guionnet, Alice (08/10/2024). Large deviations for macroscopic observables of heavy-tailed matrices. CIRM. Audiovisual resource. DOI: 10.24350/CIRM.V.20255103
URL https://dx.doi.org/10.24350/CIRM.V.20255103

Domaine(s)

Probabilités

Bibliographie

BORDENAVE, Charles, GUIONNET, Alice, et MALE, Camille. Large deviations for macroscopic observables of heavy-tailed matrices. arXiv preprint arXiv:2409.14027, 2024. - https://doi.org/10.48550/arXiv.2409.14027

Codes MSC

Dernières questions liées sur MathOverflow

Pour poser une question, votre compte Carmin.tv doit être connecté à mathoverflow

Poser une question sur MathOverflow

Copyright Carmin.tv 2025

Donner son avis