[논문 리뷰] Large Deviation Probabilities for Sums of Random Variables with Heavy or Subexponential Tails

Daren B. H. Cline, Tailen Hsing|arXiv (Cornell University)|2022. 11. 29.

Probability and Risk ModelsDecision Sciences인용 수 19

한 줄 요약

이 논문은 첨자수나 하중 꼬리 분포를 가진 i.i.d. 랜덤 변수 합의 큰 편차 확률이 $ n(1-F(s)) $와 渐近적으로 동치가 되는 조건을 설정한다. 이는 이전 결과를 확장하며, $ - olimits\log(1-F(x)) $의 천천히 변화하는 성질과 연결된다. 주요 기여는 절단과 마르코프 부등식을 통한 통합적 접근으로, 하중 꼬리 분포가 $ \lim_{n\to\infty}\sup_{s\geq t_n}\left|\frac{P(S_n>s)}{n(1-F(s))}-1\right|=0 $를 만족함을 증명함으로써, 하중 꼬리 성질을 큰 편차 행동을 통해 특성화한다.

ABSTRACT

Let $S_n$ be the sum of independent random variables with distribution $F$. Under the assumption that $-\log(1-F(x))$ is slowly varying, conditions for $$ \lim_{n o\infty}\sup_{s\ge t_n}\left|{P[S_n>s]\over n(1-F(s))}-1 ight| =0 $$ are given. These conditions extend and strengthen a series of previous results. Additionally, a connection with subexponential distributions is demonstrated. That is, $F$ is subexponential if and only if the condition above holds for some $t_n$ and $$ \lim_{t o\infty}{1-F(t+x)\over 1-F(t)} = 1 \quad ext{for each real $x$.}$$

연구 동기 및 목표

• 첨자수나 하중 꼬리 분포를 가진 i.i.d. 랜덤 변수 합의 큰 편차 확률에 관한 기존 결과를 확장하고 강화하는 것.
• $ \lim_{n\to\infty}\sup_{s\geq t_n}\left|\frac{P(S_n>s)}{n(1-F(s))}-1\right|=0 $가 성립하는 조건을 설정하여, 합과 최대값의 꼬리 확률 간의 渐진적 동치성을 보장하는 것.
• $ -\log(1-F(x)) $가 천천히 변화하는 하중 꼬리 분포를 통합적으로 다루는 것, 예를 들어 로그정규분포나 코시 유사 분포를 포함한다.
• 위의 극한 조건이 어떤 수열 $ t_n $에 대해 성립할 때, $ F $가 하중 꼬리 분포임과 동치임을 보여주며, 하중 꼬리 성질을 큰 편차 행동과 연결하는 것.

제안 방법

• 저자들은 합의 꼬리 행동을 분석하기 위해 절단 기법과 마르코프 부등식을 조합하여, 생존함수 $ \overline{F}(x) = 1 - F(x) $에 초점을 맞춘다.
• 합을 절단된 부분과 꼬리 부분으로 분해하여 $ P(S_n > s) $의 渐진적 행동을 분석하며, 절단된 부분의 기여도를 모멘트 조건을 통해 바운드한다.
• 이 방법은 $ x \to \infty $일 때 $ -\log(1-F(x)) $가 천천히 변화한다는 가정에 기반하며, 이는 가장 무거운 꼬리 분포를 특성화한다.
• 핵심 부등식은 $ \mathbb{E}[e^{\lambda X} \mathbf{1}_{\{X \leq x\}}] $를 바운드하고, 지수 모멘트를 제어하기 위해 천천히 변화하는 성질을 활용한다.
• 증명의 구조는 중심화 및 분산 항을 제어하는 데 쓰이는 $ \mu_1(s) $, $ \mu_2(s) $, $ \eta(s) $의 경계를 설정하는 렘마들의 계층적 체계를 따른다.
• 저자들은 $ \sup_{s \geq t_n} \left| \frac{P(S_n > s)}{n \overline{F}(s)} - 1 \right| \to 0 $가 성립하도록 하는 $ t_n $에 대한 충분조건을 도출하며, $ \psi(s) = -\log \overline{F}(s) $와 그 도함수 간의 상호작용을 활용한다.

실험 결과

연구 질문

• RQ1 큰 편차 확률 $ P(S_n > s) $ 가 $ n \to \infty $ 일 때 $ \frac{P(S_n > s)}{n(1-F(s))} \to 1 $ 이 되는 조건은 무엇인가, $ s \geq t_n $ 인 경우에 대해?
• RQ2 하중 꼬리 분포에서 $ -\log(1-F(x)) $가 천천히 변화할 경우, 합의 꼬리와 최대값의 꼬리 간의 渐진적 동치는 어떻게 특성화할 수 있는가?
• RQ3 $ \psi(x) = -\log(1-F(x)) $의 천천히 변화하는 함수가 큰 편차 확률 수렴 속도에 미치는 역할은 무엇인가?
• RQ4 절단과 모멘트 바운드를 사용하여, 로그정규분포나 코시 유사 분포와 같은 무거운 꼬리 분포에 대해 통합적 접근을 개발할 수 있는가?
• RQ5 하중 꼬리 성질은 $ \lim_{n\to\infty}\sup_{s\geq t_n}\left|\frac{P(S_n>s)}{n(1-F(s))}-1\right|=0 $ 조건이 어떤 수열 $ t_n $에 대해 성립할 때와 동치인가?

주요 결과

• 논문은 $ -\log(1-F(x)) $가 천천히 변화하고 $ t_n $가 $ n(1-F(t_n)) \to 0 $ 를 만족하도록 선택될 경우, $ \lim_{n\to\infty}\sup_{s\geq t_n}\left|\frac{P(S_n>s)}{n(1-F(s))}-1\right|=0 $ 가 성립함을 증명하며, 이는 이전 결과를 확장한다.
• 모든 실수 $ x $에 대해 $ \overline{F}(t+x)/\overline{F}(t) \to 1 $ 이 성립하는 하중 꼬리 분포에 대해, $ \limsup_{n\to\infty}\sup_{s\geq t_n}\frac{P(S_n>s)}{n\overline{F}(s)} \leq 1 $ 조건이 하중 꼬리 성질을 특성화한다.
• 저자들은 $ F \in \mathcal{S} $ 이다, 즉 (1.5)가 성립하고 어떤 수열 $ t_n $ 가 존재하여 위의 상한 극한이 1 이하로 유한함을 보여준다.
• 정규적으로 변화하는 꼬리 분포, 예를 들어 $ P(|X| > x) \sim x^{-\alpha} $ 인 경우, $ \alpha < 2 $ 이고 적절한 중심화 및 모멘트 조건이 만족될 경우 결과가 성립한다.
• 이 방법은 이전에 통합 프레임워크에서 다루지 못했던 로그정규분포 및 코시 유사 꼬리 분포에 대해 비어나지 않는 확장 결과를 도출한다.
• 논문은 조건 $ \lim_{n\to\infty}\sup_{s\geq t_n}\left|\frac{P(S_n>s)}{n(1-F(s))}-1\right|=0 $ 가 하중 꼬리 성질과 동치임을 보이며, 이는 $ \overline{F}(t+x)/\overline{F}(t) \to 1 $ 의 안정성 조건과 함께 필수적이고 충분한 조건임을 입증한다.