[論文レビュー] Moderate deviations in Poisson approximation: a first attempt

Louis H. Y. Chen, Xiao Fang+1 more|arXiv (Cornell University)|Jul 6, 2012

Random Matrices and Applications参考文献 7被引用数 3

ひとこと要約

この論文は、局所的依存構造とサイズバイアス結合を用いたシュタインの方法を用いて、従属する指標の和におけるポアソン近似のための、中程度の偏差に関する最初の一般結果を提示する。$ Y \sim \text{Poisson}(\lambda) $ であるとき、依存近傍と制御パラメータ $ \delta $ を含む条件下で、右裾確率の比 $ P(W \geq k) / P(Y \geq k) $ の境界を確立する。$ m $、$ \tilde{p} $、および $ \delta $ に依存する明示的な誤差率を含む。これらの結果は、ポアソン＝二項分布試行、2-ラン、およびマッチング問題に適用され、従属設定における新しい中程度の偏差推定値が得られる。

ABSTRACT

Poisson approximation using Stein's method has been extensively studied in the literature. The main focus has been on bounding the total variation distance. This paper is a first attempt on moderate deviations in Poisson approximation for right-tail probabilities of sums of dependent indicators. We obtain results under certain general conditions for local dependence as well as for size-bias coupling. These results are then applied to independent indicators, 2-runs, and the matching problem.

研究の動機と目的

• 従属指標の和におけるポアソン近似理論を、文献で十分に研究されていない中程度の偏差の枠組みへと拡張すること。
• 局所的依存構造とサイズバイアス結合の下で、シュタインの方法を用いて右裾確率 $ P(W \geq k) $ の一般境界を構築すること。
• 依存構造、特に $ m $（最大近傍サイズ）、$ \tilde{p} $（個々の成功確率の最大値）、$ \delta $（局所的クラスタリングの尺度）を含む、明示的な誤差境界を提供すること。
• 具体的なモデルへの一般結果の応用：ポアソン＝二項分布試行、i.i.d. ベルヌーイ列における2-ラン、マッチング問題。これにより、従属設定における新しい中程度の偏差推定値が得られる。
• 非有界関数近似技術を従属設定に拡張する課題に対処するため、中程度の偏差を扱うことが可能な、実行可能な中間ケースとしての焦点を当てる。

提案手法

• 各指標 $ X_i $ が他の指標の有界集合 $ B_i $ を除いてすべて独立であるような、局所的依存構造を用いたシュタインの方法。ここで $ \max |B_i| \leq m $ である。
• 1の局所的クラスタリングを制御するための条件 $ E[\sum_{i} \sum_{j \in B_i \setminus \{i\}} X_i X_j \mid W = w] \leq \delta w^2 $ を導入し、$ w \leq \theta $ の範囲で有効とする。
• カップリングの議論とモーメントの境界を用いて、$ \left| \frac{P(W \geq k)}{P(Y \geq k)} - 1 \right| $ の境界を導出。誤差項には $ m^2 \tilde{p}(1 + \xi^2) $、$ m^2 \delta \lambda (1 + \xi^2 + \xi^3 / \sqrt{\lambda}) $、および指数的尾部項が含まれる。
• ベネット＝フーディング型不等式を用いて、独立な色クラス上の和の尾モーメントを制御し、$ W $ の指数的尾部境界を可能にする。
• サイズバイアス結合を代替フレームワークとして用い、単調カップリングの一般化として、異なる依存構造の下で類似した中程度の偏差境界を導出する。
• 証明技法は、シュタイン方程式の誤差を $ H_3 $ と $ H_4 $ の成分に分解し、モーメント不等式と指数的尾部推定を用いて境界を導出する。

実験結果

リサーチクエスチョン

• RQ1 シュタインの方法を用いて、古典的な全変動境界を超えて、従属指標の和の右裾における中程度の偏差境界を確立できるか？
• RQ2 近傍サイズ $ m $ とクラスタリングパラメータ $ \delta $ で定量化される局所的依存構造は、中程度の偏差におけるポアソン近似の精度にどのように影響するか？
• RQ3 サイズバイアス結合フレームワークを従属設定における中程度の偏差に拡張できるか？その場合の誤差境界はどのようなものか？
• RQ4 2-ランやマッチング問題のような具体的なモデルにおいて、依存下での中程度の偏差近似の明示的な誤差率は何か？
• RQ5 依存パラメータ $ \delta $ を、個々の確率 $ p_i $ と条件付き確率 $ p_{ji} $ に基づくより解釈可能な量に置き換えられるか？

主な発見

• 本論文は、右裾確率の相対誤差に関する一般境界を確立する：$ \left| \frac{P(W \geq k)}{P(Y \geq k)} - 1 \right| \leq C m^2 \left\{ \tilde{p}(1 + \xi^2) + \delta \lambda (1 + \xi^2 + \xi^3 / \sqrt{\lambda}) \right\} + C (1 \wedge \lambda^{-1}) m^2 \exp(-c \theta / m) $、ここで $ \xi = (k - \lambda)/\sqrt{\lambda} $ である。
• この境界は、$ k \leq \theta / (C m) $ の条件のもとで成り立ち、中程度の偏差の領域を保証する。さらに、絶対定数 $ c, C > 0 $ に対して、$ \tilde{p}(1 + \xi^2) + \delta \lambda (1 + \xi^2 + \xi^3 / \sqrt{\lambda}) \leq c / m^2 $ が成り立つ必要がある。
• 2-ラン問題およびマッチング問題に対して、著者らは新しい中程度の偏差結果を導出し、一般定理が依存を含む組合せ的モデルへの適用可能性を示している。
• サイズバイアス結合アプローチにより、類似した境界が得られ、以前の単調カップリング結果の一般化として、シュタインの方法が従属設定における中程度の偏差に拡張された。
• 独立な色クラス上の和に対するベネット＝フーディング型不等式が提供され、尾期待値 $ E[ W I(W > x) ] $ の制御に用いられ、誤差境界における指数的減衰が得られる。
• 誤差境界には、$ (1 \wedge \lambda^{-1}) m^2 \exp(-c \theta / m) $ の項が含まれており、これは $ \theta / m $ に対して指数的に減少する。これにより、$ \theta $ が $ m $ よりも大きい場合に精度が向上することが示される。