Constructive quantization: Approximation by empirical measures

Abstract

In this article, we study the approximation of a probability measure $\mu$ on $\mathbb{R}^{d}$ by its empirical measure $\hat{\mu}_{N}$ interpreted as a random quantization. As error criterion we consider an averaged $p$th moment Wasserstein metric. In the case where $2p<d$, we establish fine upper and lower bounds for the error, a high resolution formula. Moreover, we provide a universal estimate based on moments, a Pierce type estimate. In particular, we show that quantization by empirical measures is of optimal order under weak assumptions.

Dans cet article, nous étudions l’approximation d’une mesure de probabilité $\mu$ sur $\mathbb{R}^{d}$ par sa mesure empirique $\hat{\mu}_{N}$, interprétée comme quantification aléatoire. Comme critère d’erreur, nous considérons une moyenne de métrique de Wasserstein d’ordre $p$. Dans le cas $2p<d$, nous établissons des bornes supérieures et inférieures améliorées pour l’erreur, une formule haute résolution. De plus, nous donnons une estimation universelle à base de moments, nomméee estimation du type Pierce. En particulier, nous prouvons que, sous de faibles hypothèses, la quantification par des mesures empiriques est d’ordre optimal.