[论文解读] On a sum of centered random variables with nonreducing variances

I. Shnurnikov|arXiv (Cornell University)|Feb 14, 2012

Stochastic processes and statistical mechanics参考文献 1被引用 6

一句话总结

本文建立了单位范数向量 $ x $ 与 Rademacher 向量 $ \varepsilon $ 的内积绝对值至多为 1 的概率下界为 0.36。通过基于 $ x $ 的两个最大分量之和的分 case 分析，并对部分和的尾部概率应用切比雪夫不等式及高阶矩不等式，作者推导出一个非平凡的下界，优于先前的 $ \frac{1}{3} $ 结果，接近猜想的 $ \frac{3}{8} $。该结果在鲁棒优化与测度集中具有重要意义。

ABSTRACT

We give a new proof of weak version of R. Holzman and D.J. Kleitman bound on a number of the $n$-dimensional cube vertices strictly separated by a hyperplane, tangent to the inscribed sphere.

研究动机与目标

• 建立单位范数向量与 Rademacher 向量内积落在 $[-1, 1]$ 区间内的概率的非平凡下界。
• 在鲁棒优化背景下，通过基于矩不等式的新型分析方法，改进先前 $ \frac{1}{3} $ 的界限。
• 为证明猜想的 $ \frac{3}{8} $ 界限提供一个阶段性进展，该猜想目前仍为开放问题。

提出的方法

• 基于 $ x $ 的两个最大分量之和是否超过 1 的分 case 分析。
• 通过事件 $ A_k $（首次使部分和超过阈值的时间）对条件概率进行分解。
• 在 Case 1 中应用切比雪夫不等式，以有界残差和 $ r = \sum_{i=3}^n \varepsilon_i x_i $ 的尾部概率。
• 使用四阶切比雪夫不等式，通过残差的四阶矩，对 $ \mathbb{P}(|r| \leq 1 + x_1 + x_2) $ 进行有界。
• 定义并分析函数 $ g_k(x) $ 和 $ h_k(x) $，以有界 Case 2 中的条件概率，对 $ x_{k+1} \in [0,1] $ 进行最小化。
• 对 $ \max\{g_k(x), h_k(x)\} $ 的最小值进行优化，得出在 $ x = \frac{1}{k+1} $ 处取得界限，最坏情况出现在 $ k=2 $。

实验结果

研究问题

• RQ1 对所有单位范数向量 $ x \in \mathbb{R}^n $ 和 Rademacher $ \varepsilon $，$ \mathbb{P}(|\varepsilon^T x| \leq 1) $ 的下确界是多少？
• RQ2 在鲁棒优化背景下，能否通过基于矩的不等式获得优于 $ \frac{1}{3} $ 的界限？
• RQ3 能否通过使用高阶矩估计，将当前 0.36 的界限改进至猜想的 $ \frac{3}{8} $？

主要发现

• 本文证明了对所有单位范数向量 $ x \in \mathbb{R}^n $ 和 Rademacher $ \varepsilon $，有 $ \mathbb{P}(|\varepsilon^T x| \leq 1) \geq 0.36 $，优于先前的 $ \frac{1}{3} $ 界限。
• 在 Case 1（$ x_1 + x_2 > 1 $）中，通过四阶矩估计与切比雪夫不等式，界限被加强至 $ \frac{93}{256} > 0.36 $。
• 在 Case 2（$ x_1 + x_2 \leq 1 $）中，给定每个事件 $ A_k $ 的条件概率下界为 $ g_k(\frac{1}{k+1}) $，最小值出现在 $ k=2 $，给出 0.36 的界限。
• 分析表明 $ \min_{x \in [0,1]} \max\{g_k(x), h_k(x)\} = g_k(\frac{1}{k+1}) $，且该最小值在 $ k=2 $ 处最小化，从而给出全局界限。
• 作者建议在 Case 2 中使用四阶切比雪夫不等式，可能进一步将界限提升至 0.4 以上。