Предположим, у нас есть независимых случайных величин , , с конечными средними и дисперсиями , , . Я ищу границы без распределения для вероятности того, что любой больше, чем все другие , .
Другими словами, если для простоты мы предполагаем, что распределения непрерывны (например, ), я ищу границы на:
Если , мы можем использовать неравенство Чебышева, чтобы получить:
Я хотел бы найти простые (не обязательно плотно) оценки для общих , но я не смог найти (эстетический) приятные результаты для общего .
Обратите внимание, что переменные не считаются iid. Любые предложения или ссылки на связанные работы приветствуются.
Обновление: напомним, что по предположению . Затем мы можем использовать вышеуказанную границу для получения:
Это подразумевает:
Это, в свою очередь, подразумевает:
Теперь мне интересно, можно ли улучшить эту границу до того, что не зависит линейно от ? Например, имеет ли место следующее:
А если нет, то что может быть контрпримером?
probability
bounds
maximum
Номер
источник
источник
Ответы:
Вы можете использовать многомерное неравенство Чебышева.
Случай двух переменных
Для одной ситуации, против , я прихожу в ту же ситуацию, что и комментарий Йохена 4 ноября 2016 г.X 2X1 X2
1) Если то P ( X 1 > X 2 ) ≤ ( σ 2 1 + σ 2 2 ) / ( μ 1 - μ 2 ) 2μ1<μ2 P(X1>X2)≤(σ21+σ22)/(μ1−μ2)2
(и мне интересно также о вашем происхождении)
Вывод уравнения 1
Многомерный случай
Неравенство в уравнении (1) можно изменить в многомерный случай, применив его к нескольким преобразованным переменным для каждого (обратите внимание, что они коррелированы).i < n(Xn−Xi) i<n
Решение этой проблемы (многомерное и коррелированное) было описано И. Олкиным и Дж. В. Праттом. «Многомерное неравенство Чебышева» в анналах математической статистики, том 29, страницы 226-234 http://projecteuclid.org/euclid.aoms/1177706720
Примечание теорема 2.3
в которой число переменных, и .t = ∑ k - 2 i u = ∑ ρ i j / ( kp t=∑k−2i u=∑ρij/(kikj)
Теорема 3.6 дает более жесткую оценку, но ее не так просто вычислить.
редактировать
Более точная оценка может быть найдена с помощью многомерного неравенства Кантелли . Это неравенство является типом, который вы использовали ранее и предоставили вам границу который острее, чем .( σ 2 1 + σ 2 2 ) / ( μ 1 - μ 2 ) 2(σ21+σ22)/(σ21+σ22+(μ1−μ2)2) (σ21+σ22)/(μ1−μ2)2
Я не потратил время на изучение всей статьи, но в любом случае вы можете найти решение здесь:
А. В. Маршалл и И. Олкин «Одностороннее неравенство чебышевского типа» в анналах математической статистики, том 31, стр. 488-491 https://projecteuclid.org/euclid.aoms/1177705913
(примечание позже: это неравенство для равных корреляций и недостаточной помощи. Но в любом случае ваша задача, чтобы найти самую точную границу, равна более общему, многомерному неравенству Кантелли. Я был бы удивлен, если бы решения не существовало)
источник
Я нашел теорему, которая может вам помочь, и постараюсь приспособить ее к вашим потребностям. Предположим, у вас есть:
Тогда по неравенству Дженсена (поскольку exp (.) - выпуклая функция), мы получим:
Теперь для вы должны подключить любую функцию, генерирующую момент вашей случайной величины (поскольку это просто определение mgf). Затем, после этого (и потенциально упрощая ваш термин), вы берете этот термин и берете логарифм и делите его на t, чтобы получить утверждение о термине . Затем вы можете выбрать t с некоторым произвольным значением (лучше всего, чтобы член был маленьким, чтобы граница была жесткой). X i E ( m a x 1 ≤ i ≤ n X i )exp(t⋅Xi Xi E(max1≤i≤nXi)
Затем у вас есть заявление об ожидаемом значении максимума за n rvs. Чтобы получить утверждение о вероятности того, что максимум этих rv отклоняется от этого ожидаемого значения, вы можете просто использовать неравенство Маркова (предполагая, что ваш rv неотрицательный) или другой, более конкретный rv, применимый к вашему конкретному rv.
источник