假设我们有独立的随机变量,,具有有限的均值和方差,,。我正在寻找任意大于所有其他,j \ neq i的概率的无分布边界。
换句话说,如果为了简单起见,我们假设X_i的分布是连续的(使得),那么我正在寻找
请注意,这些变量不假定为iid。欢迎对相关工作提出任何建议或参考。
更新:回想一下,假设。然后,我们可以使用上面的边界得出:
假设我们有独立的随机变量,,具有有限的均值和方差,,。我正在寻找任意大于所有其他,j \ neq i的概率的无分布边界。
换句话说,如果为了简单起见,我们假设X_i的分布是连续的(使得),那么我正在寻找
请注意,这些变量不假定为iid。欢迎对相关工作提出任何建议或参考。
更新:回想一下,假设。然后,我们可以使用上面的边界得出:
Answers:
对于单个情况与,我得出的情况与Jochen在2016年11月4日发表的评论相同X 2
1)如果然后 P (X 1 > X 2)≤ (σ 2 1 + σ 2 2)/(μ 1 - μ 2 )2
(我也想知道您的推导)
通过将等式(1)中的不等式应用于每个多个转换变量,可以将其变为多变量情况(请注意,它们是相关的)。i < n
I. Olkin和JW Pratt已描述了此问题的解决方案(多元和相关)。《数理统计年鉴》中的“多元Tchebycheff不等式”,第29页,第226-234页 http://projecteuclid.org/euclid.aoms/1177706720
注意定理2.3
其中的变量数和。吨= û = Σ ρ 我Ĵ /(ķ 我ķ Ĵ)
定理3.6提供了更严格的界限,但计算起来较不容易。
使用多元Cantelli不等式,可以找到更清晰的界限。该不等式是您之前使用并为您提供边界类型比。(σ 2 1 + σ 2 2)/(μ 1 - μ 2 )2
我没有花时间研究整篇文章,但是无论如何,您可以在这里找到解决方案:
AW Marshall和 I.Olkin 《数学统计年鉴》第31卷488-491页中的`` 切比雪夫类型的单面不等式'' https://projecteuclid.org/euclid.aoms/1177705913
(注:这个不等式是为了相等的相关性而没有足够的帮助。但是,无论如何,找到最清晰的界限的问题等于更普遍的多元Cantelli不等式。如果不存在该解决方案,我会感到惊讶)
我发现了一个定理,可能会对您有所帮助,并将尝试根据您的需要对其进行调整。假设您有:
然后通过詹森的不等式(因为exp(。)是凸函数),我们得到:
现在,对于您必须插入随机变量的矩生成函数是什么(因为它只是mgf的定义)。然后,这样做之后(可能简化术语),则采用该术语并取对数除以t即可得到关于术语,然后您可以选择带有任意值的t(最佳,以便使项小,使边界紧密)。 X 我 È(米一个X 1 ≤ 我≤ Ñ X 我)
然后,您有一个关于n rvs以上最大值的期望值的声明。现在要获得有关这些rv的最大值偏离此期望值的概率的陈述,您可以使用Markov不等式(假设您的rv为非负数)或另一个更具体的rv应用于您的特定rv。