[论文解读] Concentration Inequalities and Laws of Large Numbers under Epistemic Irrelevance

Fábio Gagliardi Cozman|ArXiv.org|Oct 15, 2008

Decision-Making and Behavioral Economics参考文献 29被引用 3

一句话总结

本文通过使用下期望和上期望，在认知不相关性下扩展了集中不等式和大数定律，利用鞅理论推导出比以往工作更紧的界。在弱不相关性假设下建立了有限形式的强大数定律，其证明基于可分解性，并与霍夫丁和阿祖马不等式建立了联系。

ABSTRACT

This paper presents concentration inequalities and laws of large numbers under weak assumptions of irrelevance, expressed through lower and upper expectations. The results are variants and extensions of De Cooman and Miranda's recent inequalities and laws of large numbers. The proofs indicate connections between concepts of irrelevance for lower/upper expectations and the standard theory of martingales.

研究动机与目标

• 在通过下期望和上期望表达的弱认知不相关性假设下，发展集中不等式和大数定律。
• 通过利用鞅理论推导出更紧的不等式和替代证明，改进德库曼与米兰达的结果。
• 通过采用逐元素可分解性和鞅技术，将结果扩展至非有界变量。
• 阐明认知不相关性与下/上期望框架中鞅性质之间的关系。
• 通过修正原始例子中的缺陷并精炼关键定义与不等式，解决先前工作的局限性。

提出的方法

• 将霍夫丁和阿祖马不等式适配到模糊概率框架，使用下期望和上期望。
• 采用认知不相关性的假设，其定义为条件下的下期望和上期望等于无条件的期望。
• 通过将认知不相关性转化为随机变量和的鞅类似性质，应用鞅理论。
• 通过逐元素可分解性确保条件期望的一致性，并支持基于鞅的证明。
• 通过指数矩界推导集中不等式，使用针对有界变量的广义霍夫丁型不等式。
• 通过应用适配到下期望和上期望的柯尔莫哥洛夫-哈杰克-雷尼型不等式，建立有限形式的强大数定律。

实验结果

研究问题

• RQ1 在不假设精确概率的前提下，如何在认知不相关性下推导集中不等式？
• RQ2 在下/上期望框架中，认知不相关性与鞅性质之间有何关系？
• RQ3 能否在弱于有界性和可数可加性的假设下建立大数定律？
• RQ4 新不等式与德库曼和米兰达的结果相比在紧致性上如何？
• RQ5 可分解性在支持模糊概率模型中基于鞅的证明中起到什么作用？

主要发现

• 本文推导出一个集中不等式，表明经验均值以高下概率集中在区间 $[\bar{\nu}_n - \frac{\nu_n}{2}, \bar{\nu}_n + \frac{\nu_n}{2}]$ 内，其界为 $1 - 2e^{-n\tilde{\nu}^2/4}$，其中 $\tilde{\nu} = \frac{\nu_n}{\text{max}_i B_i}$。
• 建立了有限形式的强大数定律：对任意 $\nu > 0$，存在 $N$，使得对任意 $N'$，经验均值在 $[N, N+N']$ 区间内偏离 $[\bar{\nu}, \bar{\nu}]$ 超过 $\nu$ 的上概率小于 $\nu$。
• 证明策略将认知不相关性与鞅性质联系起来，使得标准鞅不等式（如柯尔莫哥洛夫-哈杰克-雷尼不等式）可在模糊概率框架中应用。
• 本文修正了原始例子中的缺陷，并精炼了定理4证明中 $B_i$ 的定义及不等式，提升了先前结果的严谨性。
• 结果比德库曼与米兰达的原始界更紧，并且使用的技术更接近经典的霍夫丁和阿祖马不等式。
• 证明表明，可分解性是基于鞅的不等式有效的充分条件，其作用在柯尔莫哥洛夫-哈杰克-雷尼型不等式的推导中被明确展示。