Olasılık eşitsizlikleri


37

Sınırsız rasgele değişkenlerin toplamı için bazı olasılık eşitsizlikleri arıyorum. Biri bana bazı düşünceler verebilir eğer gerçekten çok sevinirim.

Benim sorunum gerçekte iki iri Gaussian'ın çarpımı olan sınırsız iid rasgele değişkenlerinin toplamının bazı belirli bir değeri aşması olasılığı üzerine üssel bir üst bulmaktır, yani, , ki burada , ve , dan üretilir .Pr[Xϵσ2N]exp(?)X=i=1NwiviwiviN(0,σ)

Chernoff sınırını moment oluşturma fonksiyonunu (MGF) kullanarak kullanmaya çalıştım, türetilen sınır aşağıdakileri veriyor:

Pr[Xϵσ2N]minsexp(sϵσ2N)gX(s)=exp(N2(1+4ϵ21+log(1+4ϵ21)log(2ϵ2)))

burada gX(s)=(11σ4s2)N2 ait MGF olan X . Ancak sınır çok sıkı değil. Benim sorunumdaki asıl mesele rastgele değişkenlerin sınırsız olmasıdır ve ne yazık ki Hoeffding eşitsizliği sınırını kullanamıyorum.

Üstel bir sıkı üstel sınır bulmama yardım edersen mutlu olurum.


3
Sıkıştırma-algılama ile ilgili bir problem gibi görünüyor. R. Vershynin'in asimptotik olmayan rastgele matris teorisi üzerine yazdığı notlar, özellikle de subexponential rastgele değişkenler dediği şeyin sınırları . Bu seni başlatacak. Daha fazla işaretçiye ihtiyacınız olursa, bize bildirin; ben de daha fazla bilgi göndermeye çalışacağım.
kardinal

1
Matematikle ilgili en az birkaç soru ve cevap var. SEE (feragatname: Katıldığım dahil).
kardinal

1
Ürün wivi 'normal bir ürün' dağılımı vardır. Bu ürünün ortalamasının sıfır olduğuna ve varyansının \ sigma ^ 4 olduğuna inanıyorum; σ4burada σ2 , wi ve v_i'nin varyansıdır vi. İçin N largeish, sen yaklaşık norality almak için merkezi limit teoremi kullanabilirsiniz X . Normal ürün dağılımının çarpıklığını hesaplayabilirseniz, CDF'nin yakınsama hızını sınırlamak için Berry-Esseen teoremini uygulayabileceğinize inanıyorum.
shabbychef

1
@ shabbychef, Berry-Esseen yakınsaklık oranına sahiptir, çünkü tüm dağıtım fonksiyonlarının sınıfı üzerinde eşit bir şekilde bağlanır . F
kardinal

4
@DilipSarwate: Üzgünüm, şu anda yorumunuzu bir süre önce görüyorum. Sanırım birkaç kez matematiğe bağladığım şu küçük kağıtla ilgileniyor olabilirsiniz. SE de: TK Phillips ve R. Nelson (1995), Bağlı olan an Chernoff'un pozitif kuyruğuna bağlı olduğundan daha sıkı olasılıklar , Amerikan İstatistiği , cilt 42, no. 2,170-178.
kardinal

Yanıtlar:


1

Chernoff sınırını kullanarak, daha sonra belirtilecek bazı için önerdiğiniz , burada ikinci eşitsizlik Herhangi bir . Şimdi ve , sağ taraf verir herhangi .s1/(2σ2)

P[X>t]exp(st)exp((N/2)log(1σ4s2))exp(st+σ4s2N)
log(1x)2xx(0,1/2)t=ϵσ2Ns=t/(2σ4N)exp(t2/(4σ4N)=exp(ϵ2N/4)
P[X>ϵσ2N]exp(ϵ2N/4).
ϵ(0,1)

Bir başka cadde, Hanson-Wright eşitsizliği gibi konsantrasyon eşitsizliklerini veya ilgilendiğiniz rastgele değişkeni kapsayan 2. dereceden Gauss kaosuna yönelik konsantrasyon eşitsizliklerini doğrudan uygulamaktır.

Moment oluşturma fonksiyonunu kullanmadan daha basit yaklaşım

Basitlik için alın (aksi halde biri bölünerek yeniden ölçeklenebilir ).σ=1σ2

Yaz ve . üzerinde üst sınırlar istiyorsunuz .v=(v1,...,vn)Tw=(w1,...,wn)TP(vTw>ϵN)

Let. Daha sonra, , ve bağımsızlığı ile, serbestlik dereceli dağılımı ile bağımsızdır .Z=wTv/vZN(0,1)v,wv2Zχ2n

Standart normal ve rasgele değişkenleri standart sınırlarına göre , Sendika bağıyla birleştirmek, biçimindeki üzerinde bir üst sınır verir. .χ2

P(|Z|>ϵn/2)2exp(ϵ2n/4),P(v>2n)exp(n(21)2/2).
P(vTw>ϵN)2exp(ϵ2n/4)+exp(n(21)2/2)


0

Eğer elde bağlı sipariş ait olarak . General için daha iyisini yapabileceğini sanmıyorum . Gönderen Ürün Değişkenler Wikipedia sayfası dağılımı olan değiştirilmiş Bessel fonksiyonudur. Kaynaktan içinde (10.25.3) DLMF fonksiyonu listesi , böylece için yeterince büyük , size bir Gauss alt sınırı vermeyecek.eϵϵϵwiviK0(z)/πK0K0(t)et/txP(wivi>x)xet/tdt

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.