Probabilidad de desigualdades

37

Estoy buscando algunas desigualdades de probabilidad para sumas de variables aleatorias ilimitadas. Realmente agradecería si alguien me puede dar algunos pensamientos.

Mi problema es encontrar un límite superior exponencial sobre la probabilidad de que la suma de variables aleatorias iid ilimitadas, que de hecho son la multiplicación de dos iid gaussianos, exceda cierto valor, es decir, , donde , y se generan iid desde .Pr[Xϵσ2N]exp(?)X=i=1NwiviwiviN(0,σ)

Intenté usar el límite de Chernoff usando la función de generación de momento (MGF), el límite derivado viene dado por:

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

donde gX(s)=(11σ4s2)N2 es el MGF de X . Pero el límite no es tan apretado. El problema principal en mi problema es que las variables aleatorias son ilimitadas, y desafortunadamente no puedo usar el límite de la desigualdad de Hoeffding.

Seré feliz si me ayudas a encontrar un límite exponencial ajustado.

Farzad
fuente
3
Suena como un problema relacionado con la detección comprimida. Busque las notas de R. Vershynin sobre la teoría de la matriz aleatoria no asintótica, específicamente los límites de lo que él llama variables aleatorias subexponenciales . Eso te ayudará a comenzar. Si necesita más sugerencias, infórmenos e intentaré publicar más información.
Cardenal
1
Hay al menos un par de preguntas y respuestas relacionadas con este tema sobre matemáticas. SE (descargo de responsabilidad: incluido uno en el que participé).
Cardenal
1
El producto tiene como distribución de 'producto normal'. Creo que la media de este producto es cero y la varianza es donde es la varianza de y . Para son más bien tirando, se podría utilizar el teorema del límite central para obtener norality aproximada de . Si puede calcular el sesgo de la distribución normal del producto, creo que puede aplicar el teorema de Berry-Esseen para limitar la tasa de convergencia del CDF. wiviσ4σ2wiviNX
shabbychef
1
@shabbychef, Berry-Esseen tiene convergencia bastante lento, ya que es una cota uniforme sobre la clase de todas las funciones de distribución . F
cardenal
44
@DilipSarwate: Lo siento, ahora estoy viendo tu comentario de hace un tiempo. Creo que podría estar interesado en el siguiente pequeño documento, que he vinculado a un par de veces en matemáticas. SE también: TK Phillips y R. Nelson (1995), El momento límite es más estricto que el límite de Chernoff para la cola positiva. probabilidades , The American Statistician , vol 42, no. 2., 175-178.
cardenal

Respuestas:

1

Usando el límite de Chernoff que sugirió para algunos s1/(2σ2) que se especificarán más adelante,

P[X>t]exp(st)exp((N/2)log(1σ4s2))exp(st+σ4s2N)
donde la segunda desigualdad se cumple gracias a log(1x)2x para cualquier x(0,1/2) . Ahora tome t=ϵσ2N y s=t/(2σ4N) , el lado derecho se convierte en exp(t2/(4σ4N)=exp(ϵ2N/4) que produce para cualquier ϵ ( 0 , 1 ) .
P[X>ϵσ2N]exp(ϵ2N/4).
ϵ(0,1)

Otra vía es aplicar directamente las desigualdades de concentración, como la desigualdad de Hanson-Wright, o las desigualdades de concentración para el caos gaussiano de orden 2 que abarca la variable aleatoria que le interesa.

Enfoque más simple sin usar la función de generación de momentos

Tome σ=1 por simplicidad (de lo contrario, uno puede reescalar dividiendo por σ2 ).

Write v=(v1,...,vn)T y w=(w1,...,wn)T . Está solicitando límites superiores en P(vTw>ϵN) .

Sea Z=wTv/v . Entonces ZN(0,1) por independencia de v,w y v2 es independiente de Z con la distribución χ2 con n grados de libertad.

Por los límites estándar en normal estándar y χ2 variables aleatorias,

P(|Z|>ϵn/2)2exp(ϵ2n/4),P(v>2n)exp(n(21)2/2).
Combining with the union bound gives an upper bound on P(vTw>ϵN) of the form 2exp(ϵ2n/4)+exp(n(21)2/2).

jlewk
fuente
0

The bound you obtain is of order eϵ as ϵ. I don't think you can do much better for general ϵ. From the Wikipedia page on Product Variables the distribution of wivi is K0(z)/π where K0 is a modified Bessel function. From (10.25.3) in the DLMF function list, K0(t)et/t so that for x sufficiently large P(wivi>x)xet/tdt which is not going to give you a sub-Gaussian bound.

BookYourLuck
fuente