UA MATH567 高维统计I 概率不等式5 推广Hoeffding不等式与Khintchine不等式
UA MATH567 高维统计I 概率不等式5 推广Hoeffding不等式
我们在第一讲时讨论了Hoeffding不等式,但那个版本时针对有界的随机变量的,我们希望通过亚高斯性推广Hoeffding不等式。
结论 独立亚高斯分布的和的亚高斯范数:假设{Xi}i=1N\{X_i\}_{i=1}^N{Xi}i=1N是一列零均值独立亚高斯随机变量,则∑i=1NXi\sum_{i=1}^N X_i∑i=1NXi也是亚高斯随机变量,并且存在与NNN无关的常数CCC使得
∥∑i=1NXi∥ψ22≤C∑i=1N∥Xi∥ψ22\left\| \sum_{i=1}^N X_i \right\|_{\psi_2}^2\le C \sum_{i=1}^N \left\| X_i \right\|_{\psi_2}^2∥∥∥∥∥i=1∑NXi∥∥∥∥∥ψ22≤Ci=1∑N∥Xi∥ψ22
证明 要说明一个随机变量是亚高斯的,只需要验证它满足亚高斯性即可,计算
Eeλ∑i=1NXi=∏i=1NEeλXiEe^{\lambda \sum_{i=1}^NX_i}=\prod_{i=1}^N Ee^{\lambda X_i}Eeλ∑i=1NXi=i=1∏NEeλXi
因为XiX_iXi是亚高斯的,于是
EeλXi≤e(c1∥Xi∥ψ2)2λ2Ee^{\lambda X_i} \le e^{(c_1\left\| X_i \right\|_{\psi_2})^2\lambda^2}EeλXi≤e(c1∥Xi∥ψ2)2λ2
其中K5=c1K4=c1∥Xi∥ψ2K_5=c_1K_4 = c_1\left\| X_i \right\|_{\psi_2}K5=c1K4=c1∥Xi∥ψ2,因此
Eeλ∑i=1NXi≤ec12λ2∑i=1N∥Xi∥ψ22Ee^{\lambda \sum_{i=1}^NX_i} \le e^{c_1^2\lambda^2\sum_{i=1}^N\left\| X_i \right\|_{\psi_2}^2}Eeλ∑i=1NXi≤ec12λ2∑i=1N∥Xi∥ψ22
其中c12∑i=1N∥Xi∥ψ22c_1^2\sum_{i=1}^N\left\| X_i \right\|_{\psi_2}^2c12∑i=1N∥Xi∥ψ22是一个常数,因此∑i=1NXi\sum_{i=1}^NX_i∑i=1NXi也是亚高斯的,并且对于∑i=1NXi\sum_{i=1}^NX_i∑i=1NXi而言这个就是K5K_5K5,于是存在常数c2c_2c2使得
∥∑i=1NXi∥ψ2≤c2c1∑i=1N∥Xi∥ψ22\left\| \sum_{i=1}^NX_i\right\|_{\psi_2} \le c_2c_1 \sqrt{\sum_{i=1}^N\left\| X_i \right\|_{\psi_2}^2}∥∥∥∥∥i=1∑NXi∥∥∥∥∥ψ2≤c2c1i=1∑N∥Xi∥ψ22
这个∥∑i=1NXi∥ψ2\left\| \sum_{i=1}^NX_i\right\|_{\psi_2}∥∥∥∑i=1NXi∥∥∥ψ2就是∑i=1NXi\sum_{i=1}^NX_i∑i=1NXi的K4K_4K4,根据这个结果以及均值不等式,当然存在常数CCC,使得
∥∑i=1NXi∥ψ2≤C∑i=1N∥Xi∥ψ2\left\| \sum_{i=1}^NX_i\right\|_{\psi_2} \le C\sum_{i=1}^N\left\| X_i \right\|_{\psi_2}∥∥∥∥∥i=1∑NXi∥∥∥∥∥ψ2≤Ci=1∑N∥Xi∥ψ2
证毕
评注1 统计学理论经常需要比较两个量的阶,所以下面这些符号会经常用到:对于两个正实序列{an},{bn}\{a_n\},\{b_n\}{an},{bn}
- an∼bna_n \sim b_nan∼bn: limn(an/bn)=1\lim_n (a_n/b_n)=1limn(an/bn)=1
- an≲bna_n \lesssim b_nan≲bn: 0<limn(an/bn)<10<\lim_n (a_n/b_n)<10<limn(an/bn)<1
- an≳bna_n \gtrsim b_nan≳bn: limn(an/bn)>1\lim_n (a_n/b_n)>1limn(an/bn)>1
- an≍bna_n \asymp b_nan≍bn: 0<lim inf(an/bn)≤lim sup(an/bn)<∞0<\liminf (a_n/b_n)\le \limsup(a_n/b_n)<\infty0<liminf(an/bn)≤limsup(an/bn)<∞
- an≺bna_n \prec b_nan≺bn: limn(an/bn)=0\lim_n(a_n/b_n)=0limn(an/bn)=0
General Hoeffding’s inequality 假设{Xi}i=1N\{X_i\}_{i=1}^N{Xi}i=1N是一列零均值独立亚高斯随机变量,存在一个常数ccc使得,
P(∣∑i=1NXi∣≥t)≤2exp(−ct2∑i=1N∥Xi∥ψ22)P\left( \left| \sum_{i=1}^NX_i \right| \ge t\right) \le 2 \exp \left( -\frac{ct^2}{\sum_{i=1}^N \left\| X_i\right\|_{\psi_2}^2} \right)P(∣∣∣∣∣i=1∑NXi∣∣∣∣∣≥t)≤2exp(−∑i=1N∥Xi∥ψ22ct2)
如果aaa是一个常向量,则
P(∣∑i=1NaiXi∣≥t)≤2exp(−ct2∑i=1Nai2∥Xi∥ψ22)≤2exp(−ct2∥a∥2K2)P\left( \left| \sum_{i=1}^Na_iX_i \right| \ge t\right) \le 2 \exp \left( -\frac{ct^2}{\sum_{i=1}^N a_i^2\left\| X_i\right\|_{\psi_2}^2} \right) \\ \le 2 \exp \left( -\frac{ct^2}{\left\| a \right\|_2K^2} \right)P(∣∣∣∣∣i=1∑NaiXi∣∣∣∣∣≥t)≤2exp(−∑i=1Nai2∥Xi∥ψ22ct2)≤2exp(−∥a∥2K2ct2)
其中K=max∥Xi∥ψ2K=\max \left\| X_i \right\|_{\psi_2}K=max∥Xi∥ψ2。
Khintchine不等式 假设{Xi}i=1N\{X_i\}_{i=1}^N{Xi}i=1N是一列零均值独立亚高斯随机变量,aaa是一个常向量,∀p≥2\forall p\ge 2∀p≥2,K=max1≤i≤N∥Xi∥ψ2K=\max_{1\le i \le N}\left\| X_i\right\|_{\psi_2}K=max1≤i≤N∥Xi∥ψ2
∥a∥2≤∥∑i=1NaiXi∥Lp≲Kp∥a∥2\left\| a \right\|_{2} \le \left\| \sum_{i=1}^N a_iX_i \right\|_{L^p} \lesssim K\sqrt{p}\left\| a \right\|_{2} ∥a∥2≤∥∥∥∥∥i=1∑NaiXi∥∥∥∥∥Lp≲Kp∥a∥2
如果p=1p=1p=1,则
c(K)∥a∥2≤∥∑i=1NaiXi∥L1≤∥a∥2c(K)\left\| a \right\|_{2} \le\left\| \sum_{i=1}^N a_iX_i \right\|_{L^1}\le\left\| a \right\|_{2}c(K)∥a∥2≤∥∥∥∥∥i=1∑NaiXi∥∥∥∥∥L1≤∥a∥2
其中c(K)c(K)c(K)是一个与KKK有关的常数。
UA MATH567 高维统计I 概率不等式5 推广Hoeffding不等式与Khintchine不等式相关推荐
- UA MATH567 高维统计I 概率不等式12 McDiarmid不等式
UA MATH567 高维统计I 概率不等式12 McDiarmid不等式 这一讲我们介绍基于Lipschitz性导出概率不等式的思路,这个思路在下一讲正式进入随机向量之后应用非常广泛.但这一讲我们先 ...
- UA MATH567 高维统计I 概率不等式11 Azuma不等式
UA MATH567 高维统计I 概率不等式11 Azuma不等式 前十一讲介绍的不等式的理论基础都是Markov不等式,根据Markov不等式我们导出了Chebyshev不等式.Hoeffding不 ...
- UA MATH567 高维统计I 概率不等式8 亚指数范数
UA MATH567 高维统计I 概率不等式8 亚指数范数 类似亚高斯范数,我们也可以定义随机变量的亚指数范数(sub-exponential norm): ∥X∥ψ1=inf{t>0:Ee∣ ...
- UA MATH567 高维统计I 概率不等式7 亚指数性与亚指数分布
UA MATH567 高维统计I 概率不等式7 亚指数分布与亚指数范数 第三讲到第六讲讨论了亚高斯分布,这类分布的尾部概率满足 P(∣X∣≥t)≲e−t2/2P(|X| \ge t) \lesssim ...
- UA MATH567 高维统计I 概率不等式10 Bernstein不等式
UA MATH567 高维统计I 概率不等式10 Bernstein不等式 我们在介绍亚高斯分布后介绍了适用于亚高斯分布的推广的Hoeffding不等式,对于亚指数分布,我们可以得到类似的不等式.因为 ...
- UA MATH567 高维统计I 概率不等式9 亚高斯性的推广:Orlicz空间与Orlicz范数
UA MATH567 高维统计I 概率不等式9 亚高斯性的推广:Orlicz空间 这一讲讨论亚高斯范数与亚指数范数的推广,用一个更广义的框架理解这两种范数,它们其实是Orlicz空间中的随机变量的Or ...
- UA MATH567 高维统计I 概率不等式4 亚高斯分布
UA MATH567 高维统计I 概率不等式4 亚高斯分布 上一讲我们介绍了Hoeffding不等式与Chernoff不等式,这两个不等式的共性是它们的上界关于ttt的递减阶数都是e−ct2e^{-c ...
- UA MATH567 高维统计I 概率不等式3 亚高斯性与亚高斯范数
UA MATH567 高维统计I 概率不等式3 亚高斯性与亚高斯范数 亚高斯性 亚高斯范数 概率不等式1中介绍了Hoeffding不等式与Chernoff不等式,这两个不等式的共性是它们的上界关于tt ...
- UA MATH567 高维统计I 概率不等式1 Hoeffding不等式与Chernoff不等式
UA MATH567 高维统计I 概率不等式1 Hoeffding不等式与Chernoff不等式 Hoeffding不等式 Chernoff不等式 MATH 564系列我们已经介绍了几个基本的概率不等 ...
最新文章
- PTA 基础程序编程集 7-2 然后是几点 C语言
- Sql Server系列:数据库操作
- 企业网络推广——企业网络推广表示网站优化少不了这三大技能
- MODE ——计算了 任意多个数字的平均值(知识点:for的循环)
- border-radius的使用 css样式
- Openlayers中加载Geoserver切割的EPSG:900913离线瓦片图层组
- silverlight: [HtmlPage_NotEnabled] 调试资料字符串不可用的解决
- js List 对象封装【原创】
- 地铁客流检测训练问题记录
- java 读excel
- 一个人成就的高低,努力程度只是标配
- 阿里云弹性计算负责人蒋林泉:亿级场景驱动的技术自研之路 | 问底中国 IT 技术演变...
- 转载分享移动网站最佳实践
- 树莓派Python教程:树莓派能做什么
- 未明学院:12个惊艳的数据可视化经典案例
- 对Java零基础学习者的建议以及分享
- 云原生—Rust编程语言能与C/C++媲美
- java课程表_用Java做个课程表(5)
- arm汇编总结---让汇编不再神秘
- Webview加载本地图片的方案对比