Hoeffding不等式是概率论中的一个重要工具，用于独立同分布随机变量的均值概率分析。它表明，随着样本数量n的增加，样本均值与总体期望之间的差距趋于减小。在统计推断中，这一不等式有助于我们用样本均值更准确地估计总体参数。博客详细介绍了不等式的定义、形式及证明，并通过抽球示例说明其在估计总体比例中的应用。
Hoeffding不等式是关于一组随机变量均值的概率不等式。 如果X1,X2,⋯,Xn为一组独立同分布的参数为p的伯努利分布随机变量，n为随机变量的个数。定义这组随机变量的均值为：
对于任意δ>0, Hoeffding不等式可以表示为
上面的公式似乎写的不是很详细，所以我又从网上copy了一份其他的解释：
Hoeffding不等式：Hoeffding不等式好像有很多个形式，all of statistics里的感觉较难理解，这里写一种好理解的。令X1,…,Xn为独立同分布随机变量，满足ai≤Xi≤bi。则对于任意t>0有
P(X¯−E(X¯)≥t)≤e−2n2t2∑ni=(bi−ai)2P(|X¯−E(X¯)|≥t)≤2e−2n2t2∑ni=(bi−ai)2.</
最低0.47元/天 解锁文章
477
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
