[논문 리뷰] Exponential-type Inequalities Involving Ratios of the Modified Bessel Function of the First Kind and their Applications

Prakash Balachandran, Weston D. Viles외 1명|arXiv (Cornell University)|2013. 11. 06.

Random Matrices and Applications참고 문헌 22인용 수 8

한 줄 요약

이 논문은 수정 베셀 함수의 비율 $ \frac{I_{\nu+1}(x)}{I_\nu(x)} $에 대한 지수형 상한과 하한을 활용하여, 합 $ H(\nu,x) = \sum_{k=1}^{\infty} \frac{I_{\nu+k}(x)}{I_{\nu}(x)} $에 대한 날카운 상한과 하한을 수립한다. 이를 통해 수정 베셀 함수의 점근적 근사값을 향상시키고 스켈람 분포에 대한 더 날카운 농도 부등식을 도출한다. 주요 기여는 $ \nu = 0 $ 근처에서 $ H(\nu,x) $의 상한과 하한이 $ \sqrt{x} $ 스케일링 행동을 보이며, 이는 비점근적 오차 통제를 향상시킨다.

ABSTRACT

The modified Bessel function of the first kind, $I_ν(x)$, arises in numerous areas of study, such as physics, signal processing, probability, statistics, etc. As such, there has been much interest in recent years in deducing properties of functionals involving $I_ν(x)$, in particular, of the ratio ${I_{ν+1}(x)}/{I_ν(x)}$, when $ν,x\geq 0$. In this paper we establish sharp upper and lower bounds on $H(ν,x)=\sum_{k=1}^{\infty} {I_{ν+k}(x)}/{I_ν(x)}$ for $ν,x\geq 0$ that appears as the complementary cumulative hazard function for a Skellam$(λ,λ)$ probability distribution in the statistical analysis of networks. Our technique relies on bounding existing estimates of ${I_{ν+1}(x)}/{I_ν(x)}$ from above and below by quantities with nicer algebraic properties, namely exponentials, to better evaluate the sum, while optimizing their rates in the regime when $ν+1\leq x$ in order to maintain their precision. We demonstrate the relevance of our results through applications, providing an improvement for the well-known asymptotic $\exp(-x)I_ν(x)\sim {1}/{\sqrt{2πx}}$ as $x ightarrow \infty$, upper and lower bounding $\mathbb{P}\left[W=ν ight]$ for $W\sim Skellam(λ_1,λ_2)$, and deriving a novel concentration inequality on the $Skellam(λ,λ)$ probability distribution from above and below.

연구 동기 및 목표

• 모든 $ \nu, x \geq 0 $ 에 대해 $ H(\nu,x) = \sum_{k=1}^{\infty} \frac{I_{\nu+k}(x)}{I_{\nu}(x)} $에 대한 더 날카운 비점근적 상한과 하한을 도출하는 것. 이는 통계적 네트워크 분석에 매우 중요하다.
• 기존의 기하급수 기반 상한이 $ \nu = 0 $ 근처에서 $ \sqrt{x} $ 스케일링을 포착하지 못하는 한계를 해결하는 것.
• 점근적 근사 $ \exp(-x)I_\nu(x) \sim \frac{1}{\sqrt{2\pi x}} $를 $ x \to \infty $ 일 때 향상시키며, 특히 작은 $ \nu $ 에서의 정확도를 높이는 것.
• 모든 $ \nu \in \mathbb{N} $ 와 $ \lambda \geq 0 $ 에 대해 $ \text{Skellam}(\lambda,\lambda) $ 분포에 대한 새로운 비점근적 농도 부등식을 유도하고, $ \mathbb{P}[|W| \geq \nu] $ 에 대한 명시적 상한과 하한을 제공하는 것.
• 모든 $ \nu \in \mathbb{N} $ 와 $ \lambda_1, \lambda_2 \geq 0 $ 에 대해 $ W \sim \text{Skellam}(\lambda_1, \lambda_2) $ 에 대해 $ \mathbb{P}[W = \nu] $ 에 대한 명시적 상한과 하한을 제공하는 것.

제안 방법

• 비율 $ \frac{I_{\nu+1}(x)}{I_\nu(x)} $ 를 지수 함수를 사용하여 상한과 하한으로 제어하며, 특히 $ \nu + 1 \leq x $ 일 때 최적화된 비율을 사용한다.
• 이러한 지수 상한과 하한은 기하급수 근사가 실패하는 $ \nu = 0 $ 근처에서의 $ \sqrt{x} $ 스케일링을 유지하는 무한합 $ H(\nu,x) $ 를 제어하는 데 사용된다.
• $ \frac{I_{\nu+1}(x)}{I_\nu(x)} $ 에 대한 상한 $ \mathcal{L}(\nu,x) $ 와 하한 $ \mathcal{U}(\nu,x) $ 는 $ \nu + 1 \leq x $ 영역에서 정밀도를 유지하도록 구성되며, 점근적 극한에서의 날카운 성질을 보장한다.
• 결과는 스켈람 분포에 적용되며, 항등식 $ \mathbb{P}[|W| > \nu] = 2H(\nu, 2\lambda) \exp(-2\lambda) I_\nu(2\lambda) $ 를 활용하여 농도 부등식을 도출한다.
• 수정 베셀 함수 $ I_\nu(x) $ 의 알려진 성질, 특히 급수 표현과 점근적 행동을 활용하여 대수적으로 다룰 수 있는 상한을 도출한다.
• 이론적 상한은 수치적 검증을 통해 검증되었으며, 특히 $ x < 10 $ 일 때 표준 점근적 근사 $ \frac{1}{\sqrt{2\pi x}} $ 보다 훨씬 높은 정확도를 보였다.

실험 결과

연구 질문

• RQ1 기하급수 기반 방법이 실패하는 바와는 달리, $ \nu = 0 $ 근처에서 $ \sqrt{x} $ 스케일링을 유지하는 $ H(\nu,x) = \sum_{k=1}^{\infty} \frac{I_{\nu+k}(x)}{I_{\nu}(x)} $ 에 대한 더 날카운 상한과 하한을 도출할 수 있는가?
• RQ2 수정 베셀 함수 비율 $ \frac{I_{\nu+1}(x)}{I_\nu(x)} $ 에 대한 지수형 상한을 어떻게 최적화하여 $ \exp(-x)I_\nu(x) $ 의 점근적 근사 정확도를 향상시킬 수 있는가?
• RQ3 모든 $ \nu \in \mathbb{N} $ 와 $ \lambda \geq 0 $ 에 대해 $ \mathbb{P}[|W| \geq \nu] $ 에 대한 명시적 상한과 하한을 제공하는 비점근적 농도 부등식을 $ \text{Skellam}(\lambda,\lambda) $ 분포에 대해 도출할 수 있는가?
• RQ4 $ \nu \in \mathbb{N} $ 와 $ \lambda_1, \lambda_2 \geq 0 $ 에 대해 $ W \sim \text{Skellam}(\lambda_1, \lambda_2) $ 에 대해 $ \mathbb{P}[W = \nu] $ 의 정확한 상한과 하한은 무엇인가?
• RQ5 모든 $ \nu \in \mathbb{Z} $ 에 대해 $ \{ \exp(-x)I_\nu(x) \}_{\nu=-\infty}^{\infty} $ 의 정규화 조건이 일반화된 격자 $ \mathbb{N} + \alpha $ 로 확장 가능한가? 만약 가능하면 정규화 상수는 무엇인가?

주요 결과

• 논문은 $ \nu + 1 \leq x $ 일 때 최적화된 지수 비율을 사용하여 $ \frac{I_{\nu+1}(x)}{I_\nu(x)} $ 에 대한 날카운 상한 $ \mathcal{L}(\nu,x) $ 와 하한 $ \mathcal{U}(\nu,x) $ 를 수립한다. 이는 점근적 영역에서 정밀도를 보장한다.
• 이 상한과 하한은 $ \nu \approx 0 $ 일 때 $ H(\nu,x) $ 가 큰 $ x $ 에서 $ \sqrt{x} $ 스케일링을 보이도록 하며, 이는 이전 기하급수 기반 방법이 약한 $ \sqrt{x} $ 스케일링을 보였던 것을 수정한다.
• 향상된 상한은 $ \exp(-x)I_\nu(x) $ 의 근사값을 더 날카롭게 만들어, 특히 $ x < 10 $ 일 때 표준 점근적 근사 $ \frac{1}{\sqrt{2\pi x}} $ 보다 뛰어난 성능을 보인다.
• 모든 $ \nu \in \mathbb{N} $ 와 $ \lambda \geq 0 $ 에 대해 $ \text{Skellam}(\lambda,\lambda) $ 분포에 대한 새로운 비점근적 농도 부등식이 도출되었으며, $ \mathbb{P}[|W| \geq \nu] $ 에 대한 명시적 상한과 하한이 포함되어 있다.
• $ H(\nu,x) $ 와 스켈람 분포의 질량 정규화를 활용하여, 모든 $ \nu \in \mathbb{N} $ 와 $ \lambda_1, \lambda_2 \geq 0 $ 에 대해 $ W \sim \text{Skellam}(\lambda_1, \lambda_2) $ 에 대해 $ \mathbb{P}[W = \nu] $ 에 대한 명시적 상한과 하한이 제공된다.
• 수치적 검증을 통해 $ \exp(-x)I_\nu(x) $ 를 위한 새로운 상한이 작은 $ x $ 에서 표준 점근적 근사 $ \frac{1}{\sqrt{2\pi x}} $ 보다 훨씬 정확하며, 점근적 일致성을 유지함을 확인했다.