[论文解读] Moderate deviations in Poisson approximation: a first attempt

Louis H. Y. Chen, Xiao Fang+1 more|arXiv (Cornell University)|Jul 6, 2012

Random Matrices and Applications参考文献 7被引用 3

一句话总结

本文首次在局部依赖和大小偏倚耦合条件下，利用 Stein 方法，对依赖指示变量之和的中等偏差情形给出了普适结果。在涉及依赖邻域和控制参数 $ \delta $ 的条件下，建立了右尾概率比值 $ P(W \geq k) / P(Y \geq k) $ 的界，其中 $ Y \sim \text{Poisson}(\lambda) $，并给出了依赖于 $ m $、$ \tilde{p} $ 和 $ \delta $ 的显式误差率。该结果被应用于泊松-二项分布试验、2-运行问题和匹配问题，为依赖情形提供了新的中等偏差估计。

ABSTRACT

Poisson approximation using Stein's method has been extensively studied in the literature. The main focus has been on bounding the total variation distance. This paper is a first attempt on moderate deviations in Poisson approximation for right-tail probabilities of sums of dependent indicators. We obtain results under certain general conditions for local dependence as well as for size-bias coupling. These results are then applied to independent indicators, 2-runs, and the matching problem.

研究动机与目标

• 将泊松近似理论扩展至依赖指示变量之和的中等偏差情形，该领域在文献中尚未得到充分研究。
• 在局部依赖和大小偏倚耦合条件下，利用 Stein 方法建立右尾概率 $ P(W \geq k) $ 的一般界。
• 以依赖结构为条件，提供显式误差界，包括 $ m $（最大邻域大小）、$ \tilde{p} $（最大个体成功概率）和 $ \delta $（局部聚类的度量）。
• 将一般结果应用于具体模型：泊松-二项分布试验、独立同分布伯努利序列中的 2-运行问题和匹配问题，得出新的中等偏差估计。
• 通过聚焦于中等偏差作为可处理的中间情形，解决将无界函数近似技术推广至依赖设定的挑战。

提出的方法

• 使用具有局部依赖结构的 Stein 方法，其中每个指示变量 $ X_i $ 仅与有界集合 $ B_i $ 中的其他指示变量相关，且满足 $ \max |B_i| \leq m $。
• 引入条件 $ E[\sum_{i} \sum_{j \in B_i \setminus \{i\}} X_i X_j \mid W = w] \leq \delta w^2 $ 对于 $ w \leq \theta $，以控制 1 值的局部聚类。
• 通过耦合论证和矩界推导出 $ \left| \frac{P(W \geq k)}{P(Y \geq k)} - 1 \right| $ 的界，误差项包含 $ m^2 \tilde{p}(1 + \xi^2) $、$ m^2 \delta \lambda (1 + \xi^2 + \xi^3 / \sqrt{\lambda}) $ 和一个指数尾部项。
• 应用 Bennett-Hoeffding 型不等式，控制独立颜色类上和的尾部矩，从而为 $ W $ 获得指数尾部界。
• 使用大小偏倚耦合作为替代框架，推广单调耦合，以在不同依赖结构下推导类似的中等偏差界。
• 证明技术依赖于将 Stein 方程误差分解为 $ H_3 $ 和 $ H_4 $ 两部分，通过矩不等式和指数尾部估计推导出界。

实验结果

研究问题

• RQ1 能否在经典总变差界之外，利用 Stein 方法建立依赖指示变量之和右尾的中等偏差界？
• RQ2 局部依赖结构——以邻域大小 $ m $ 和聚类参数 $ \delta $ 衡量——如何影响中等偏差下泊松近似的准确性？
• RQ3 大小偏倚耦合框架能否推广至依赖设定下的中等偏差？其对应的误差界为何？
• RQ4 在 2-运行和匹配问题等具体模型中，依赖情形下的中等偏差近似显式误差率为何？
• RQ5 依赖参数 $ \delta $ 能否被基于边际概率 $ p_i $ 和条件概率 $ p_{ji} $ 的更易解释的量所替代？

主要发现

• 本文建立了右尾概率相对误差的一般界：$ \left| \frac{P(W \geq k)}{P(Y \geq k)} - 1 \right| \leq C m^2 \left\{ \tilde{p}(1 + \xi^2) + \delta \lambda (1 + \xi^2 + \xi^3 / \sqrt{\lambda}) \right\} + C (1 \wedge \lambda^{-1}) m^2 \exp(-c \theta / m) $，其中 $ \xi = (k - \lambda)/\sqrt{\lambda} $。
• 该界在条件 $ k \leq \theta / (C m) $ 下成立，确保处于中等偏差范围，且要求 $ \tilde{p}(1 + \xi^2) + \delta \lambda (1 + \xi^2 + \xi^3 / \sqrt{\lambda}) \leq c / m^2 $，其中 $ c, C > 0 $ 为绝对常数。
• 对于 2-运行问题和匹配问题，作者推导出新的中等偏差结果，展示了通用定理在具有依赖性的组合模型中的适用性。
• 大小偏倚耦合方法得出了类似界，推广了早期单调耦合结果，并将 Stein 方法扩展至依赖设定下的中等偏差。
• 本文为独立颜色类上的和提供了 Bennett-Hoeffding 型不等式，用于控制尾部期望 $ E[ W I(W > x) ] $，从而实现误差界中的指数衰减。
• 误差界包含一项 $ (1 \wedge \lambda^{-1}) m^2 \exp(-c \theta / m) $，其随 $ \theta / m $ 指数衰减，表明当阈值 $ \theta $ 相对于 $ m $ 较大时，精度更高。