[논문 리뷰] On Asymptotically Tight Tail Bounds for Sums of Geometric and Exponential Random Variables

Yaonan Jin, Yingkai Li외 2명|arXiv (Cornell University)|2019. 02. 07.

Probability and Risk Models참고 문헌 4인용 수 4

한 줄 요약

이 논문은 체르노프 경계와 스타링거의 근사법을 사용하여 독립적인 기하 및 지수 분포를 가진 랜덤 변수들의 합에 대해 渐近적으로 날카로운 지수 尾 꼬리 경계를 수립한다. 이 경계들이 큰 n의 극한에서 최적임을 증명하며, 지수 항은 정확한 로그 꼬리 확률과 o(n) 항 이외에는 정확히 일치한다.

ABSTRACT

In this note we prove bounds on the upper and lower probability tails of sums of independent geometric or exponentially distributed random variables. We also prove negative results showing that our established tail bounds are asymptotically tight.

연구 동기 및 목표

• i.i.d. 기하 및 지수 분포 랜덤 변수들의 정규화된 합에 대해 날카로운 상하 꼬리 경계를 유도하기.
• 변수 수 n이 무한으로 갈 때 이러한 경계들이 渐近적으로 날카로운지 확인하기.
• 실용적 사용과 이전 연구와의 비교를 위해 rate 함수 H(λ,μ)의 단순화된 근사치를 제공하기.
• 꼬리 경계에서의 주요 항 계수를 더 이상 향상시킬 수 없음을 보여 주어, 최적성 확인하기.

제안 방법

• i.i.d. 기하 및 지수 분포 랜덤 변수들의 합에 체르노프 경계 기법을 적용하여 꼬리 경계를 유도한다.
• 기하 합의 경우 rate 함수 H(λ,μ) = μλlnλ − (1+μλ)ln((1+μλ)/(1+μ)) 과 지수 합의 경우 G(λ) = λ−1−lnλ 를 도입한다.
• 정확한 이항 및 포아송 꼬리 확률에 스타링거의 근사를 적용하여 渐近적 표현을 유도한다.
• 포아송 및 이항 수세기 과정의 특성화를 사용하여 꼬리 확률를 정확히 표현한 후 渐近적 분석을 수행한다.
• [Jan18] 및 [AAGZ17a]에서의 기존 결과와 비교하여, 더 날카롭거나 실용적인 형태임을 보여준다.
• −lnPr / (n×rate)의 극한이 n→∞ 일 때 1으로 수렴함을 보여 경계의 날카로움을 증명한다. 이는 계수의 최적성 확인함.

실험 결과

연구 질문

• RQ1 기하 및 지수 분포 랜덤 변수들의 합에 대해 유도된 꼬리 경계는 渐近적으로 날카로운가?
• RQ2 H(λ,μ) 및 G(λ)의 rate 함수는 기존 경계와 비교해 볼 때 날카로움과 실용성 측면에서 어떻게 다른가?
• RQ3 큰 n에 대해 꼬리 경계의 지수 항을 H(λ,μ) 또는 G(λ)를 초월해 향상시킬 수 있는가?
• RQ4 이러한 합의 꼬리 확률의 주요 순차적 행동은 무엇인가?
• RQ5 H(λ,μ)의 근사치는 경계의 응용에서 사용을 어떻게 단순화하는가?

주요 결과

• 기하 합의 상하 꼬리 확률는 H(λ,μ) = μλlnλ − (1+μλ)ln((1+μλ)/(1+μ)) 로 정의된 H(λ,μ)에 대해 exp{−n·H(λ,μ)} 의 속도로 감소한다.
• 지수 합의 경우 꼬리 확률는 G(λ) = λ−1−lnλ 에 대해 exp{−n·G(λ)} 의 속도로 감소한다.
• 기하 합의 상하 꼬리에 대해 limₙ→∞ [−lnPr / (n·H(λ,μ))] = 1 이 성립하며, 이는 渐近적 날카로움을 증명한다.
• 유사하게, 지수 합의 경우 limₙ→∞ [−lnPr / (n·G(λ))] = 1 이 성립하며, 지수의 최적성 확인된다.
• 꼬리 확률의 渐近적 전개에서 잔여 항은 O(log n) 이며, 이는 O(n) 주항과 비교해 무시할 수 있다.
• H(λ,μ)에 대한 여러 단순화된 근사치가 제공되며, 예를 들어 λ∈(0,1] 에 대해 H(λ,μ) ≥ (μ/2(1+μ))(λ−1)² 를 통해 실용적 유용성을 보여준다.