[논문 리뷰] On the Maximum of Dependent Gaussian Random Variables: A Sharp Bound for the Lower Tail

Miles E. Lopes|arXiv (Cornell University)|2018. 09. 23.

Statistical Methods and Inference참고 문헌 17인용 수 4

한 줄 요약

이 논문은 상한 상관관계가 $\rho_0 < 1$ 인 유한한 수의 중심화되고 표준화된 가우시안 랜덤 변수의 최대값의 하측 꼬리 확률에 대한 비 渐近적 상계를 제시한다. 이 상계는 상수 인자까지 정확하며 $\rho_0$, $\epsilon_0$, $n$ 에 대해 명시적으로 의존하여 일반적인 의존 구조 하에서 최대값의 하측 꼬리에 대한 정밀한 유한 표본 특성화를 제공한다.

ABSTRACT

Although there is an extensive literature on the maxima of Gaussian processes, there are relatively few non-asymptotic bounds on their lower-tail probabilities. In the context of a finite index set, this paper offers such a bound, while also allowing for many types of dependence. Specifically, let $(X_1,\dots,X_n)$ be a centered Gaussian vector, with standardized entries, whose correlation matrix $R$ satisfies $\max_{i eq j} R_{ij}\leq ho_0$ for some constant $ ho_0\in (0,1)$. Then, for any $\epsilon_0\in (0,\sqrt{1- ho_0})$, we establish an upper bound on the probability $\mathbb{P}(\max_{1\leq i\leq n} X_i\leq \epsilon_0\sqrt{2\log(n)})$ that is a function of $ ho_0, \, \epsilon_0,$ and $n$. Furthermore, we show the bound is sharp, in the sense that it is attained up to a constant, for each $ ho_0$ and $\epsilon_0$.

연구 동기 및 목표

• 유한 색인 집합을 가진 가우시안 과정의 최대값에 대한 비 渐近적 하측 꼬리 확률에 대한 상한이 부족한 문제를 다루기 위해.
• 일반적인 의존 구조 하에서 $\mathbb{P}(\max_{1\leq i\leq n} X_i \leq \epsilon_0\sqrt{2\log n})$ 에 대한 날카운 상한을 도출하기 위해.
• 모든 $\rho_0 \in (0,1)$ 과 $\epsilon_0 \in (0, \sqrt{1 - \rho_0})$ 에 대해 상수 인자까지 정확한 상계를 확립하기 위해.
• 모든 쌍별 상관관계가 $\rho_0$ 이하로 균일하게 유계이면 되는 조건 하에서 기존 결과를 일반화하기 위해.

제안 방법

• 모든 성분이 중심화되고 표준화된 $n$ 개의 가우시안 랜덤 변수의 최대값을 모델링하고, 상관행렬 $R$ 가 $\max_{i \neq j} R_{ij} \leq \rho_0$ 를 만족하도록 한다.
• 쌍별 상관관계가 유계인 가우시안 벡터에 특화된 농도 및 비교 기법을 적용한다.
• 사슬형 추론 또는 가우시안 비교 부등식을 사용하여 최대값의 하측 꼬리를 제어한다.
• $\mathbb{P}(\max_i X_i \leq \epsilon_0\sqrt{2\log n})$ 에 대한 명시적 상한을 유도하며, 이는 $\rho_0$, $\epsilon_0$, $n$ 에 의존한다.
• 특정 예시의 가족을 구성하여 상계가 상수 인자까지 도달됨을 입증함으로써 정확성을 확보한다.

실험 결과

연구 질문

• RQ1 의존적인 가우시안 벡터에 대해 $\mathbb{P}(\max_i X_i \leq \epsilon_0\sqrt{2\log n})$ 의 최선의 비 渐近적 상한은 무엇인가?
• RQ2 쌍별 상관관계로 측정된 의존 구조, 즉 $\max_{i \neq j} R_{ij} \leq \rho_0$ 는 최대값의 하측 꼬리에 어떻게 영향을 미치는가?
• RQ3 모든 $n$ 에 대해 균일하게 성립하고, $\rho_0$ 이외의 특정 상관관계 구조에 의존하지 않는 날카운 상한을 도출할 수 있는가?
• RQ4 유도된 상한이 어떤 $\rho_0$ 와 $\epsilon_0$ 의 구성에 대해 상수 인자까지 도달 가능한가 하는 의미에서 날카로운가?

주요 결과

• $\mathbb{P}(\max_{1\leq i\leq n} X_i \leq \epsilon_0\sqrt{2\log n})$ 에 대한 상한이 $\rho_0$, $\epsilon_0$, $n$ 에 대해 명시적으로 의존하도록 도출되었다.
• 상한은 비 渐진적이며, 따라서 표본 수가 유한한 경우에 적합하여 통계적 추론과 유한 표본 분석에 유용하다.
• 상수 인자까지 도달되는 것으로 입증되었기 때문에, 특정한 $\rho_0$ 와 $\epsilon_0$ 에 대해 정확한 상한이다.
• 최소한의 가정인 $\max_{i \neq j} R_{ij} \leq \rho_0 < 1$ 하에서도 성립하여 광범위한 의존 구조 클래스에 적용 가능하다.