UA MATH567 高维统计I 概率不等式5 推广Hoeffding不等式
我们在第一讲时讨论了Hoeffding不等式,但那个版本时针对有界的随机变量的,我们希望通过亚高斯性推广Hoeffding不等式。
结论 独立亚高斯分布的和的亚高斯范数:假设 { X i } i = 1 N \{X_i\}_{i=1}^N {
Xi}i=1N是一列零均值独立亚高斯随机变量,则 ∑ i = 1 N X i \sum_{i=1}^N X_i ∑i=1NXi也是亚高斯随机变量,并且存在与 N N N无关的常数 C C C使得
∥ ∑ i = 1 N X i ∥ ψ 2 2 ≤ C ∑ i = 1 N ∥ X i ∥ ψ 2 2 \left\| \sum_{i=1}^N X_i \right\|_{\psi_2}^2\le C \sum_{i=1}^N \left\| X_i \right\|_{\psi_2}^2 ∥∥∥∥∥i=1∑NXi∥∥∥∥∥ψ22≤Ci=1∑N∥Xi∥ψ22
证明 要说明一个随机变量是亚高斯的,只需要验证它满足亚高斯性即可,计算
E e λ ∑ i = 1 N X i = ∏ i = 1 N E e λ X i Ee^{\lambda \sum_{i=1}^NX_i}=\prod_{i=1}^N Ee^{\lambda X_i} Eeλ∑i=1NXi=i=1∏NEeλXi
因为 X i X_i Xi是亚高斯的,于是
E e λ X i ≤ e ( c 1 ∥ X i ∥ ψ 2 ) 2 λ 2 Ee^{\lambda X_i} \le e^{(c_1\left\| X_i \right\|_{\psi_2})^2\lambda^2} EeλXi≤e(c1∥Xi∥ψ2)2λ2
其中 K 5 = c 1 K 4 = c 1 ∥ X i ∥ ψ 2 K_5=c_1K_4 = c_1\left\| X_i \right\|_{\psi_2} K5=c1K4=c1∥Xi∥ψ2,因此
E e λ ∑ i = 1