我们如何限制随机变量最大的概率?


21

假设我们有N独立的随机变量X1Xn具有有限的均值μ1μN和方差σ12σN2。我正在寻找任意XiXN大于所有其他Xjj \ neq i的概率的无分布边界ji

换句话说,如果为了简单起见,我们假设X_i的分布Xi是连续的(使得P(Xi=Xj)=0),那么我正在寻找

P(Xi=maxjXj).
如果N=2,我们可以使用切比雪夫不等式得到:
P(X1=maxjXj)=P(X1>X2)σ12+σ22σ12+σ22+(μ1μ2)2.
我想找到一般N的一些简单(不一定紧)边界N,但是我无法找到(美学上)一般N的令人满意的结果N

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μjμi。然后,我们可以使用上面的边界得出:

PX一世=最高ĴXĴĴ>一世σ一世2+σĴ2σ一世2+σĴ2+μĴ-μ一世2σ一世2+σñ2σ一世2+σñ2+μñ-μ一世2
这意味着:
μñ-μ一世PX一世=最高ĴXĴμñ-μ一世σ一世2+σñ2σ一世2+σñ2+μñ-μ一世21个2σ一世2+σñ2
反过来,这意味着:
一世=1个ñμ一世PX一世=最高ĴXĴμñ-ñ2一世=1个ñ-1个σ一世2+σñ2
我现在想知道是否可以将此边界改进为不线性依赖ñ。例如,是否满足以下条件:
一世=1个ñμ一世PX一世=最高ĴXĴμñ-一世=1个ñσ一世2
如果没有,那可能是个反例?

3
如果使用的索引Ĵ给出较小的上限而不是N,则此界限可能会更严格ñ。注意,该值取决于均值和方差。

5
@MichaelChernick:我认为那是不对的。例如,假设我们在[0,1]上具有三个均匀分布[01个]。然后,如果我没记错的话,PX1个<最高ĴXĴ=2/3,而PX1个<X2=PX1个<X3=1个/2。我不知道您是否打算写PX一世>最高ĴXĴ,但是同一示例表明它仍然无效。
MLS

2
@Michael:不幸的是,那仍然不是真的。事件为固定不是独立的。i一种Ĵ={X一世>XĴ} 一世
主教

2
@cardinal:除其他外,它与多臂匪徒有关。如果您根据之前的奖励选择了一个手臂,那么您选择最佳手臂的概率是多少在上面的符号中为),我们可以限制选择一个子对象的预期损失 -最佳手臂?PXñ=最高ĴXĴ
MLS

2
交叉发布到MathOverflow:mathoverflow.net/questions/99313
主教

Answers:


1

您可以使用多元Chebyshev不等式。

两个变量的情况

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 2X1X2

1)如果然后 P X 1 > X 2σ 2 1 + σ 2 2/μ 1 - μ 2 2μ1<μ2P(X1>X2)(σ12+σ22)/(μ1μ2)2

(我也想知道您的推导)

公式1的推导

  • 使用新变量X1X2
  • 对其进行转换,使其均值为零
  • 取绝对值
  • 应用切比雪夫不等式

PX1个>X2=PX1个-X2>0=PX1个-X2-μ1个-μ2>-μ1个-μ2P|X1个-X2-μ1个-μ2|>μ2-μ1个σX1个-X2-μ1个-μ22μ2-μ1个2=σX1个2+σX22μ2-μ1个2

多元案例

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 < nXñ-X一世一世<ñ

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

P|ÿ一世|ķ一世σ一世 对于一些 一世=P|X一世|1个 对于一些 一世ü+pŤ-üp-1个2p2

其中的变量数和。=p û = Σ ρ Ĵ /ķ ķ ĴŤ=ķ一世-2ü=ρ一世Ĵ/ķ一世ķĴ

定理3.6提供了更严格的界限,但计算起来较不容易。

编辑

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 2σ1个2+σ22/σ1个2+σ22+μ1个-μ22σ1个2+σ22/μ1个-μ22

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)


您能否清楚说明多元Chebyshev不等式?
ub

1
我已经编辑了提供整个定理的解决方案。
Sextus Empiricus

-1

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:

ËXpŤË一种X1个一世ñX一世

然后通过詹森的不等式(因为exp(。)是凸函数),我们得到:

ËXpŤË一种X1个一世ñX一世ËËXpŤ一种X1个一世ñX一世=Ë一种X1个一世ñ ËXpŤX一世一世=1个ñËËXpŤX一世

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 È一个X 1 Ñ X ËXpŤX一世X一世Ë一种X1个一世ñX一世

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。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.