[論文レビュー] Approximation for the distribution of extremes of one dependent stationary sequences of random variables

Alexandru Amărioarei|arXiv (Cornell University)|Nov 23, 2012

Chaos-based Image/Signal Encryption参考文献 7被引用数 5

ひとこと要約

本稿は、1次的依存性を持つ定常確率変数列の極値分布の近似境界を改善し、先行研究の適用範囲を $ p_1 \leq 0.025 $ から $ p_1 \leq 0.1 $ まで拡大するとともに、誤差係数を顕著に低減した。主な貢献は、生成関数の主要根 $ \lambda $ を用いた最大値の生存関数のより鋭い漸近的近似であり、誤差境界が従来の推定値と比較して最大で5倍小さくなった。

ABSTRACT

In this paper we improve some existing results concerning the approximation of the distribution of extremes of a 1-dependent and stationary sequence of random variables. We enlarge the range of applicability and improve the approximation error. An application to the study of the distribution of scan statistics generated by Bernoulli trials is given.

研究の動機と目的

• 1次的依存性を持つ定常系列の極値近似の適用範囲を、従来の $ p_1 \leq 0.025 $ の制限を超えて拡張すること。
• このような系列における最大値の分布近似の誤差境界を低減すること。
• 生成関数 $ C_x(z) $ の主要根 $ \lambda $ に対するよりきついパラメトリック境界を提供すること。
• 生存関数 $ q_n = \mathbb{P}(\max_{1\leq i\leq n} X_i \leq x) $ の近似を $ \lambda^n $ を用いて改善すること。
• 洗練された近似を1次元離散スキャン統計の研究に応用すること。

提案手法

• 生成関数 $ C_x(z) = 1 + \sum_{k=1}^\infty (-1)^k p_{k-1} z^k $ の主要根 $ \lambda $ に対する新しいパラメトリック境界を導出する。ここで $ p_k = \mathbb{P}(\min_{1\leq i\leq k} X_i > x) $ である。
• 形式 $ |\lambda - (1 + p_1 - p_2 + p_3 - p_4 + 2p_1^2 + 3p_2^2 - 5p_1p_2)| \leq K(\alpha)p_1^3 $ の新しい誤差境界を確立し、$ \alpha = p_1 \leq 0.1 $ の場合に $ K(\alpha) $ を明示的に定義する。
• 1次的依存性の性質を用いて $ p_k $ の境界を導出し、特に $ p_3 - p_4 \leq p_1(p_1 - p_2) $ を得ることで高次項を制御する。
• 洗練された近似 $ |q_n \lambda^n - \mu_1| \leq \Gamma(\alpha)p_1^3 $ を構築する。ここで $ \mu_1 = 1 - p_2 + 2p_3 - 3p_4 + p_1^2 + 6p_2^2 - 6p_1p_2 $ である。
• 最終的な近似を経験的 $ q_k $ の項で表現し、スキャン統計への直接応用を可能にする：$ |q_n - \frac{\nu_1}{\nu_2^n}| \leq \Delta_2(1 - q_1)^2 $。
• 級数展開および根の局所化技術を用いて、$ \lambda $ が $ (1, 1 + l p_1) $ の範囲に一意に存在することを証明する。ここで $ l = l(\alpha) > t_2^3(\alpha) $ であり、$ t_2 $ は方程式 $ \alpha t^3 - t + 1 = 0 $ の絶対値が2番目に大きな根である。

実験結果

リサーチクエスチョン

• RQ1 1次的依存系列の極値近似の適用範囲を $ p_1 \leq 0.025 $ を超えて拡大可能か？
• RQ2 主要根 $ \lambda $ の近似における誤差境界を著しく低減可能か？
• RQ3 改善された境界は、生存関数 $ q_n = \mathbb{P}(\max X_i \leq x) $ の近似精度にどのように影響するか？
• RQ4 よりきつい誤差境界は、1次元ベルヌーイ試行におけるスキャン統計の解析にどのような影響を及けるか？
• RQ5 実用的応用のため、近似式を経験的 $ q_k $ の項で直接表現可能か？

主な発見

• 近似が有効となる $ p_1 $ の範囲が $ \leq 0.025 $ から $ \leq 0.1 $ に拡大され、適用範囲が顕著に拡大された。
• 根の近似における誤差係数 $ |\lambda - (1 + p_1 - p_2 + \cdots)| \leq K(\alpha)p_1^3 $ は、Haiman (1999) より最大5倍まで低減され、$ K(0.025) = 17.5663 $（本稿）と従来の87に比べ顕著に小さい。
• 生存関数に関しては、誤差境界 $ |q_n \lambda^n - \mu_1| \leq \Gamma(\alpha)p_1^3 $ の $ \Gamma(0.025) = 145.202 $ は、従来の561に比べ顕著に小さい。
• 近似式 $ |q_n - \frac{2q_1 - q_2}{(1 + q_1 - q_2 + 2(q_1 - q_2)^2)^n}| \leq \Delta_2(1 - q_1)^2 $ が $ \Delta_2 $ が $ n $ と $ \alpha $ に明示的に依存する形で導出された。
• 新しい境界により、特に1次元離散ケースにおいて、より正確で信頼性の高いスキャン統計の推論が可能になった。
• 1次的依存性の性質に基づく級数展開、根の局所化、不等式の導出を用いた厳密な証明により、結果が検証された。