عملية عشوائية
في النظرية الرياضية للاحتمالات ، مارتينجال دوب (سميت على اسم جوزيف إل دوب ، [1] والمعروفة أيضًا باسم مارتينجال ليفي ) هي عملية عشوائية تقرب متغيرًا عشوائيًا معينًا ولديها خاصية مارتينجال فيما يتعلق بالترشيح المعطى . يمكن اعتبارها التسلسل المتطور لأفضل التقريبات للمتغير العشوائي بناءً على المعلومات المتراكمة حتى وقت معين.
عند تحليل المجاميع أو المسارات العشوائية أو غيرها من الدوال الإضافية للمتغيرات العشوائية المستقلة ، يمكن للمرء غالبًا تطبيق نظرية الحد المركزي أو قانون الأعداد الكبيرة أو متباينة تشيرنوف أو متباينة تشيبيشيف أو أدوات مماثلة. عند تحليل أشياء مماثلة حيث لا تكون الاختلافات مستقلة، فإن الأدوات الرئيسية هي المتباينات ومتباينة أزوما . [ بحاجة لتوضيح ]
تعريف
ليكن أي متغير عشوائي مع . افترض أنه ترشيح ، أي عندما . عرف
ي
{\displaystyle Y}
هـ
[
|
ي
|
]
<
∞
{\displaystyle \mathbb {E} [|Y|]<\infty }
{
ف
0
,
ف
1
,
…
}
{\displaystyle \left\{{\mathcal {F}}_{0},{\mathcal {F}}_{1},\dots \right\}}
ف
س
⊂
ف
ت
{\displaystyle {\mathcal {F}}_{s}\subset {\mathcal {F}}_{t}}
س
<
ت
{\displaystyle s<t}
ز
ت
=
هـ
[
ي
∣
ف
ت
]
,
{\displaystyle Z_{t}=\mathbb {E} [Y\mid {\mathcal {F}}_{t}],}
ثم يكون هناك مارتينجال ، [2] أي مارتينجال دوب ، فيما يتعلق بالترشيح .
{
ز
0
,
ز
1
,
…
}
{\displaystyle \left\{Z_{0},Z_{1},\dots \right\}}
{
ف
0
,
ف
1
,
…
}
{\displaystyle \left\{{\mathcal {F}}_{0},{\mathcal {F}}_{1},\dots \right\}}
لرؤية هذا، لاحظ أن
هـ
[
|
ز
ت
|
]
=
هـ
[
|
هـ
[
ي
∣
ف
ت
]
|
]
≤
هـ
[
هـ
[
|
ي
|
∣
ف
ت
]
]
=
هـ
[
|
ي
|
]
<
∞
{\displaystyle \mathbb {E} [|Z_{t}|]=\mathbb {E} [|\mathbb {E} [Y\mid {\mathcal {F}}_{t}]|]\leq \ mathbb {E} [\mathbb {E} [|Y|\mid {\mathcal {F}}_{t}]]=\mathbb {E} [|Y|]<\infty }
؛
هـ
[
ز
ت
∣
ف
ت
- -
1
]
=
هـ
[
هـ
[
ي
∣
ف
ت
]
∣
ف
ت
- -
1
]
=
هـ
[
ي
∣
ف
ت
- -
1
]
=
ز
ت
- -
1
{\displaystyle \mathbb {E} [Z_{t}\mid {\mathcal {F}}_{t-1}]=\mathbb {E} [\mathbb {E} [Y\mid {\mathcal {F}}_{t}]\mid {\mathcal {F}}_{t-1}]=\mathbb {E} [Y\mid {\mathcal {F}}_{t-1}]=Z_{t-1}}
مثل .
ف
ت
- -
1
⊂
ف
ت
{\displaystyle {\mathcal {F}}_{t-1}\subset {\mathcal {F}}_{t}}
على وجه الخصوص، بالنسبة لأي تسلسل من المتغيرات العشوائية على مساحة الاحتمالية ووظيفة بحيث ، يمكن للمرء أن يختار
{
إكس
1
,
إكس
2
,
…
,
إكس
ن
}
{\displaystyle \left\{X_{1},X_{2},\dots ,X_{n}\right\}}
(
أوم
,
ف
,
ص
)
{\displaystyle (\Omega ,{\mathcal {F}},{\text{P}})}
ف
{\displaystyle f}
هـ
[
|
ف
(
إكس
1
,
إكس
2
,
…
,
إكس
ن
)
|
]
<
∞
{\displaystyle \mathbb {E} [|f(X_{1},X_{2},\dots ,X_{n})|]<\infty }
ي
:=
ف
(
إكس
1
,
إكس
2
,
…
,
إكس
ن
)
{\displaystyle Y:=f(X_{1},X_{2},\dots ,X_{n})}
والترشيح بحيث
{
ف
0
,
ف
1
,
…
}
{\displaystyle \left\{{\mathcal {F}}_{0},{\mathcal {F}}_{1},\dots \right\}}
ف
0
:=
{
ϕ
,
أوم
}
,
ف
ت
:=
سي
(
إكس
1
,
إكس
2
,
…
,
إكس
ت
)
,
∀
ت
≥
1
,
{\displaystyle {\begin{aligned}{\mathcal {F}}_{0}&:=\left\{\phi ,\Omega \right\},\\{\mathcal {F}}_{t}&:=\sigma (X_{1},X_{2},\dots ,X_{t}),\forall t\geq 1,\end{aligned}}}
أي - الجبر الناتج عن . ثم، وفقًا لتعريف مارتينجال دوب، العملية حيث
سي
{\displaystyle \sigma }
إكس
1
,
إكس
2
,
…
,
إكس
ت
{\displaystyle X_{1},X_{2},\dots ,X_{t}}
{
ز
0
,
ز
1
,
…
}
{\displaystyle \left\{Z_{0},Z_{1},\dots \right\}}
ز
0
:=
هـ
[
ف
(
إكس
1
,
إكس
2
,
…
,
إكس
ن
)
∣
ف
0
]
=
هـ
[
ف
(
إكس
1
,
إكس
2
,
…
,
إكس
ن
)
]
,
ز
ت
:=
هـ
[
ف
(
إكس
1
,
إكس
2
,
…
,
إكس
ن
)
∣
ف
ت
]
=
هـ
[
ف
(
إكس
1
,
إكس
2
,
…
,
إكس
ن
)
∣
إكس
1
,
إكس
2
,
…
,
إكس
ت
]
,
∀
ت
≥
1
{\displaystyle {\begin{aligned}Z_{0}&:=\mathbb {E} [f(X_{1},X_{2},\dots,X_{n})\mid {\mathcal {F}}_{0}]=\mathbb {E} [f(X_{1},X_{2},\dots,X_{n})],\\Z_{t}&:=\mathbb {E} [f(X_{1},X_{2},\dots,X_{n})\mid {\mathcal {F}}_{t}]=\mathbb {E} [f(X_{1},X_{2},\dots,X_{n})\mid X_{1},X_{2},\dots,X_{t}],\forall t\geq 1\end{aligned}}}
يشكل مارتينجال دوب. لاحظ أن . يمكن استخدام هذا المارتينجال لإثبات متباينة ماكديارميد .
ز
ن
=
ف
(
إكس
1
,
إكس
2
,
…
,
إكس
ن
)
{\displaystyle Z_{n}=f(X_{1},X_{2},\dots ,X_{n})}
متباينة ماكديارميد
تم تقديم مارتينجال دوب بواسطة جوزيف إل. دوب في عام 1940 لإنشاء متباينات التركيز مثل متباينة ماكديارميد، والتي تنطبق على الوظائف التي تلبي خاصية الفروق المحدودة (الموضحة أدناه) عندما يتم تقييمها على وسيطات دالة مستقلة عشوائية.
تُرضي الدالة خاصية الفروق المحدودة إذا أدى استبدال قيمة إحداثي th إلى تغيير قيمة . بشكل أكثر رسمية، إذا كانت هناك ثوابت بحيث بالنسبة إلى all و all و
ف
:
إكس
1
×
إكس
2
×
⋯
×
إكس
ن
→
ر
{\displaystyle f:{\mathcal {X}}_{1}\times {\mathcal {X}}_{2}\times \cdots \times {\mathcal {X}}_{n}\rightarrow \mathbb {R} }
أنا
{\displaystyle i}
س
أنا
{\displaystyle x_{i}}
ف
{\displaystyle f}
ج
أنا
{\displaystyle c_{i}}
ج
1
,
ج
2
,
…
,
ج
ن
{\displaystyle c_{1},c_{2},\dots ,c_{n}}
أنا
∈
[
ن
]
{\displaystyle i\in[n]}
س
1
∈
إكس
1
,
س
2
∈
إكس
2
,
…
,
س
ن
∈
إكس
ن
{\displaystyle x_{1}\in {\mathcal {X}}_{1},\,x_{2}\in {\mathcal {X}}_{2},\,\ldots ,\,x_{n}\in {\mathcal {X}}_{n}}
رشفة
س
أنا
′
∈
إكس
أنا
|
ف
(
س
1
,
…
,
س
أنا
- -
1
,
س
أنا
,
س
أنا
+
1
,
…
,
س
ن
)
- -
ف
(
س
1
,
…
,
س
أنا
- -
1
,
س
أنا
′
,
س
أنا
+
1
,
…
,
س
ن
)
|
≤
ج
أنا
.
{\displaystyle \sup _{x_{i}'\in {\mathcal {X}_{i}}\left|f(x_{1},\dots ,x_{i-1},x_{i},x_{i+1},\ldots ,x_{n})-f(x_{1},\dots ,x_{i-1},x_{i}',x_{i+1},\ldots ,x_{n})\right|\leq c_{i}.}
متباينة ماكديارميد [1] — دعونا نرضي خاصية الفروق المحدودة بالحدود .
ف
:
إكس
1
×
إكس
2
×
⋯
×
إكس
ن
→
ر
{\displaystyle f:{\mathcal {X}}_{1}\times {\mathcal {X}}_{2}\times \cdots \times {\mathcal {X}}_{n}\rightarrow \mathbb {R} }
ج
1
,
ج
2
,
…
,
ج
ن
{\displaystyle c_{1},c_{2},\dots ,c_{n}}
ضع في اعتبارك المتغيرات العشوائية المستقلة حيث بالنسبة لجميع . ثم بالنسبة لأي ،
إكس
1
,
إكس
2
,
…
,
إكس
ن
{\displaystyle X_{1},X_{2},\dots ,X_{n}}
إكس
أنا
∈
إكس
أنا
{\displaystyle X_{i}\in {\mathcal {X}}_{i}}
أنا
{\displaystyle i}
ي
>
0
{\displaystyle \varepsilon >0}
ص
(
ف
(
إكس
1
,
إكس
2
,
…
,
إكس
ن
)
- -
هـ
[
ف
(
إكس
1
,
إكس
2
,
…
,
إكس
ن
)
]
≥
ي
)
≤
خبرة
(
- -
2
ي
2
∑
أنا
=
1
ن
ج
أنا
2
)
,
{\displaystyle {\text{P}}\left(f(X_{1},X_{2},\ldots ,X_{n})-\mathbb {E} [f(X_{1},X_{2},\ldots ,X_{n})]\geq \varepsilon \right)\leq \exp \left(-{\frac {2\varepsilon ^{2}}{\sum _{i=1}^{n}c_{i}^{2}}}\right),}
P
(
f
(
X
1
,
X
2
,
…
,
X
n
)
−
E
[
f
(
X
1
,
X
2
,
…
,
X
n
)
]
≤
−
ε
)
≤
exp
(
−
2
ε
2
∑
i
=
1
n
c
i
2
)
,
{\displaystyle {\text{P}}(f(X_{1},X_{2},\ldots ,X_{n})-\mathbb {E} [f(X_{1},X_{2},\ldots ,X_{n})]\leq -\varepsilon )\leq \exp \left(-{\frac {2\varepsilon ^{2}}{\sum _{i=1}^{n}c_{i}^{2}}}\right),}
وكنتيجة مباشرة لذلك،
P
(
|
f
(
X
1
,
X
2
,
…
,
X
n
)
−
E
[
f
(
X
1
,
X
2
,
…
,
X
n
)
]
|
≥
ε
)
≤
2
exp
(
−
2
ε
2
∑
i
=
1
n
c
i
2
)
.
{\displaystyle {\text{P}}(|f(X_{1},X_{2},\ldots ,X_{n})-\mathbb {E} [f(X_{1},X_{2},\ldots ,X_{n})]|\geq \varepsilon )\leq 2\exp \left(-{\frac {2\varepsilon ^{2}}{\sum _{i=1}^{n}c_{i}^{2}}}\right).}
انظر أيضا
مراجع
^ ab Doob, JL (1940). "خصائص الانتظام لبعض عائلات متغيرات الصدفة" (PDF) . معاملات الجمعية الرياضية الأمريكية . 47 (3): 455–486. doi : 10.2307/1989964 . JSTOR 1989964.
^ Doob, JL (1953). Stochastic processes . المجلد 101. نيويورك: Wiley. ص 293.
Rate this translation
Your feedback will be used to help improve Google Translate