[論文レビュー] Lower bounds on binomial and Poisson tails: an approach via tail conditional expectations

Christos Pelekis|arXiv (Cornell University)|Sep 21, 2016

Financial Risk and Volatility Modeling参考文献 22被引用数 5

ひとこと要約

本稿では、尾部条件付き期待値の上界を活用することで、二項分布およびポアソン分布の尾部確率に対する非漸近的下界を導出する新しい手法を提案する。主な貢献は、Bin(n,p) および Poi(μ) における P(X ≥ k) に対する下界であり、よりきつい階乗モーメント上界の定数倍に達する。この下界は、p および二項係数を含む明示的な式で表される。

ABSTRACT

We derive upper bounds on the tail conditional expectation of binomial and Poisson random variables. Those upper bounds are subsequently employed to the problem of obtaining non-asymptotic lower bounds on the probability that the aforementioned random variables are significantly larger than their expectation.

研究の動機と目的

• 固定パラメータに対する二項分布およびポアソン分布の尾部確率に対する体系的で非漸近的な下界の欠如に対処すること。
• 尾部条件付き期待値を分析することで、鋭い下界を導出するための新規な手法を開発すること。
• 二項分布の尾部確率に対して、よりきつい階乗モーメント上界に比例する下界を提供するフレームワークを構築すること。
• このアプローチをポアソン分布へと拡張し、文献においてあまり検討されていない尾部下界の分野に応用すること。

提案手法

• 再帰的モーメント恒等式および比の推定を用いて、Bin(n,p) および Poi(μ) における尾部条件付き期待値 E[X | X ≥ k] の上界を導出する。
• 尾部確率 P(X ≥ k) を、尾部条件付き期待値の逆数を含む積として表現し、問題をこれらの期待値の上界に帰着させる。
• ポアソン確率変数に対して、E[Y | Y ≥ k] = μ · P(Y ≥ k−1) / P(Y ≥ k) という恒等式を用いて、尾部確率と条件付き期待値を関連付ける。
• E[Y | Y ≥ k] の上界を用いて、連続する尾部確率の比を上界で抑え、再帰的不等式を確立する。
• ポアソン確率変数における中間値の不等式 P(Y ≥ μ − ln 2) ≥ 1/2 を用いて、下尾部確率の推定値を固定する。
• 尾部条件付き期待値の上界と積の推定を組み合わせ、p, n, k, μ を含む明示的な下界を導出する。

実験結果

リサーチクエスチョン

• RQ1 尾部条件付き期待値の上界を用いて、二項分布およびポアソン分布の尾部確率に対する非漸近的下界を導出できるか？
• RQ2 本稿で提案する下界は、エントロピー推定や二項係数の近似に基づく既存の下界と比べて、どの程度鋭いか？
• RQ3 新しい下界と、二項分布の尾部に対してよりきつい階乗モーメント上界との間の定量的関係は何か？
• RQ4 この手法は、尾部下界がまだ体系的でないポアソン分布へと拡張可能か？
• RQ5 新しい下界は、二項分布およびポアソン分布の尾部に対して、チェルノフ＝フーディング上界のどの程度を達成するか？

主な発見

• Bin(n,p) に対して k > np のとき、本稿では下界 P(X ≥ k) ≥ (1/2) · p²⁽ˡ⁺¹⁾ · binom(n, ℓ+1) / binom(k, ℓ+1) を確立し、ここで ℓ = floor((k−np)/(1−p)) である。
• この下界は、よりきつい階乗モーメント上界に比例しており、中程度から大きな k および p に対して、比が 0 から離れていることが示された。
• Poi(μ) に対して k > μ のとき、P(Y ≥ k) ≥ (1/2) · ∏_{j=0}^{ℓ} μ / ((k−j) + μ) を導出しており、ここで ℓ = floor(k−μ) であり、自明な推定を改善している。
• 二項分布の尾部に対するこの下界は、経験的にエントロピーに基づく下界 (3) とほぼ同等の鋭さであり、k や p が大きい場合にはしばしばそれよりも鋭い。
• この手法により、尾部条件付き期待値の上界が、下尾部確率の導出に実用的で強力なツールであることが示された。
• このアプローチにより、非漸近的で明示的かつ計算可能な下界が得られ、自明な推定よりも鋭く、既知の下界と競争力を持つ。