[論文レビュー] On lower bounds for hypergeometric tails

Jianhang Ai, Christos Pelekis|arXiv (Cornell University)|Jan 14, 2026

Random Matrices and Applications被引用数 0

ひとこと要約

論文は超幾何分布における P(H ≥ E(H)) の鋭い下限を導出し、特に n ≥ 8k のとき P(H ≥ E(H)) ≥ k/n を示し、Var(H) を用いた第2の境界を mild 条件下で提供する。

ABSTRACT

Let $n,k$ be positive integers such that $n\geq k$, and let $H$ be a hypergeometric random variable counting the number of black marbles in a sample without replacement of size $k$ from an urn that contains $i\in \{1,\ldots, n\}$ black and $n - i$ white marbles. It is shown that \[ \mathbb{P}(H \ge \mathbb{E}(H)) \ge k/n\, , \, ext{when} \,\, n\ge 8k \, . \] Furthermore, provided that $1\le \mathbb{E}(H)\le \min\{i,k\}-2$ as well as that $\frac{(n-i)(n-k)}{n}>1$, it is shown that \[ \mathbb{P}(H\ge \mathbb{E}(H)) \,\ge\, \frac{e^{-1/8}}{4\sqrt{2}} \cdot \sqrt{\frac{n-1}{n}} \cdot\frac{ \sqrt{ ext{Var}(H)} }{1 + \sqrt{1+ \frac{n-1}{n-k}\cdot ext{Var}(H)}}\, . \] Auxiliary results which may be of independent interest include an upper bound on the tail conditional expectation and a lower bound on the mean absolute deviation of the hypergeometric distribution.

研究の動機と目的

• 超幾何ランダム変数が平均を超える確率を動機づけ、定量化する。
• 様々なパラメータ領域に対して超幾何尾部の第一原理による下限を提供する。
• 超幾何尾部を MMS 論争および二項近似の関連結果と関連づける。
• 別途関心を持つ可能性のある付随的結果（Mean Absolute Deviation および Tail Conditional Expectation）を開発する。

提案手法

• Ehmの総変動距離に関する界を用いた二項分布との尾部比較の組み合わせを用いる。
• Hypergeometric random variables の Tail Conditional Expectation の上界を活用する。
• Binomial 尾部との関連から Hypergeometric 分布の Mean Absolute Deviation の境界を導出する。
• 補助的な結果を組み合わせて、P(H ≥ m) を補助的な Hypergeometric 変数の期待値と関連づける。
• 条件付き尾部を usual order および likelihood ratio order によって比較する。
• 関連分布に関する既存の境界とこれらの補助結果を組み合わせて定理 1.1 および 1.2 を証明する。

実験結果

リサーチクエスチョン

• RQ1 Hyp(n, i, k) に対して n が k に対して大きいとき、P(H ≥ E(H)) の鋭い普遍的下限は何か？
• RQ2 穏やかなモーメント・分散条件の下で適用できる principled な第一原理による下限を得られるか？
• RQ3 Hypergeometric の tail conditional expectation および Mean Absolute Deviation は Binomial のそれらとどう比較されるか？
• RQ4 Hypergeometric の尾部が Binomial や MMS-type の予想から導かれる境界を満たすまたは改善するのはどのパラメータ領域か？

主な発見

• n ≥ 8k かつ i ∈ [n] の場合、P(H ≥ E(H)) ≥ k/n。
• E(H) ∈ [1, min{i,k}-2] かつ (n−i)(n−k)/n > 1 のとき、P(H ≥ E(H)) ≥ (e^(−1/8)/(4√2)) · √((n−1)/n) · √(Var(H)) / (1 + √(1 + ((n−1)/(n−k))·Var(H)))。
• Corollary 1.3: Var(H) ≥ 1 かつ E(H) ∈ [1, min{i,k}-2] かつ (n−i)(n−k)/n > 1 のとき、P(H ≥ E(H)) ≥ 0.049。
• 補助的な結果として Tail Conditional Expectation の上界および Hypergeometric 分布の Mean Absolute Deviation の下限、さらに Hypergeometric と Binomial 尾部の関連を洗練させた結果を含む。