[論文レビュー] Exponential Bounds in the Law of Iterated Logarithm for Martingales

Eugeny Ostrovsky, L. Sirota|ArXiv.org|Jan 14, 2008

Analysis of environmental and stochastic processes参考文献 1被引用数 5

ひとこと要約

本稿は、一般化されたオルリッチ＝バナッハ空間の枠組みを用いて、正規化されたマルティンゲール増分の上界の尾確率に対して非漸近的指数的バウンドを確立する。法則反復対数（LIL）の設定において、$\exp[-C x^r L(x)]$ の形をした鋭い指数的減衰率を導出し、ラデマッハマルティンゲールを用いた明示的証明により、古典的LIL結果の拡張を実現する。この枠組みは、構成的で定量的なモーメントおよび尾の推定を提供する。

ABSTRACT

In this paper non-asymptotic exponential estimates are derived for tail of maximum martingale distribution by naturally norming in the spirit of the classical Law of Iterated Logarithm. Key words: Martingales, exponential estimations, moment, Banach spaces of random variables, tail of distribution, conditional expectation.

研究の動機と目的

• 正規化されたマルティンゲール増分の最大値の尾確率に対する非漸近的指数的推定を導出すること。
• 古典的反復対数法則（LIL）を、上界の尾確率の減衰率に関する構成的・定量的バウンドを提供することによってマルティンゲールに拡張すること。
• モーメントおよび尾の推定における $B(\phi)$ と $G(\psi)$ 空間の等価性を確立し、指数的減衰を精密に制御することを可能にする。
• 具体的な例（ラデマッハマルティンゲールを含む）を用いて、導出されたバウンドの鋭さと最適性を示すこと。
• モーメントおよび尾ノルムの制御を通じて、非パラメトリック統計および適応的推定に適用可能な枠組みを提供すること。

提案手法

• 凸かつ2回連続的に微分可能な関数 $\phi \in \Phi$ のクラスを導入し、$\phi(0) = 0$ および $\lim_{\lambda \to \lambda_0} \phi(\lambda)/\lambda = \infty$ を満たすものとする。これにより、指数的モーメントバウンドを持つ中心化された確率変数の $B(\phi)$ 空間が定義される。
• 各 $p \geq 2$ に対して $\psi(p) = p / \phi^{-1}(p)$ を用いて $G(\psi)$ ノルムを定義し、$B(\phi)$ と $G(\psi)$ のノルムが同値であることを証明する。
• 尾の減衰を特徴付けるために、ヤング＝フェンヒェル変換 $\phi^*$ を用いる：$\xi \in B(\phi)$ に対して $\mathbb{P}(|\xi| > x) \leq \exp(-\phi^*(Cx))$ が成り立ち、漸近的に鋭い性質を示す。
• 鞍点法およびフェンヒェル＝モロー双対性を用いてモーメントおよび尾の推定を導出し、バウンドのタイトネスを保証する。
• 上界を局所化し、最大経路を制御するために、$A(k) = Q^{k-1}$、$Q \geq 3$ とおく分割 $R = \{[A(k), A(k+1)-1]\}$ を構成する。
• モーメント関数 $\sigma^2(n) \in [C_1, C_2]$ を満たすマルティンゲールにこの枠組みを適用し、$v_r(n) = [\log(\log(n+3))]^{1/r}$ に対して $\mathbb{P}(\sup_n |S(n)| / (\sigma(n) v_r(n)) > u) \leq \exp[-C x^r L(x)]$ を示す。

実験結果

リサーチクエスチョン

• RQ1 古典的LILを越えて、正規化されたマルティンゲール増分の上界の尾確率に対して非漸近的指数的バウンドを導出できるか？
• RQ2 一般のモーメントおよび尾の条件の下で、$\mathbb{P}(\sup_n |S(n)| / (\sigma(n) v(n)) > u)$ の正確な減衰率は何か？
• RQ3 $B(\phi)$ と $G(\psi)$ 空間の関係は何か？ そして、これらを用いてマルティンゲールのモーメントおよび尾の推定を統一的に扱えるか？
• RQ4 導出されたバウンド $\exp[-C x^r L(x)]$ は鋭いか？ また、明示的な例でこれを達成できるか？
• RQ5 この枠組みは、非ガウス型、重尾型、あるいはラデマッハカオスのような高次マルティンゲールにも適用可能か？

主な発見

• モーメント関数 $\sigma(n)$ を持つマルティンゲールで、$\sup_n \|S(n)/\sigma(n)\|_{B(\phi)} < \infty$ を満たす場合、尾確率 $\mathbb{P}(\sup_n S(n)/(\sigma(n) v_r(n)) > u)$ は $v_r(n) = [\log(\log(n+3))]^{1/r}$ に対して $\exp[-C x^r L(x)]$ でバウンドされ、$L(x)$ はゆっくり変動する関数である。
• このバウンドは鋭い：任意のマルティンゲールで $\mathbb{P}(S(n_0)/\sigma(n_0) > u) \geq \exp(-C_9 u^r L(u))$ を満たす場合、上界の尾は $W(v_r; u) \geq \exp(-C_{10} u^r L(u))$ を満たし、これ以上改善できないことが示される。
• 次数 $d$ のラデマッハカオスマルティンゲールに対しては、$\mathbb{P}(\sup_n |S(n)| / (n \log(\log n))^{d/2} > u) \leq \exp(-C u^{2/d})$ が得られ、既知の漸近的挙動と一致する。
• 極限上界は、$\varlimsup_{n \to \infty} S(n)/(\sigma(n) v_r(n)) \leq C$ 出来事象で成立し、$C$ は $B(\phi)$ ノルムによって決定され、このバウンドは正確である。
• $B(\phi)$ と $G(\psi)$ のノルムが同値であるという等価性により、モーメント推定と尾推定の間の変換が可能となり、強固な解析が可能になる。
• この枠組みは、$L_s$ およびオルリッチノルムを含む一般の置換不変ノルムに適用可能であり、$\sigma(n) = \|S(n)\|_2$ が標準的な選択である。