知识卡片
指数变换配马尔可夫界
设X是n个相互独立、成功率可不同的伯努利变量之和,μ=E[X]。若μ=0,则每次试验都以概率1失败,X恒为0,对r>0尾概率直接是0。以下设μ>0;要界偏差事件X−μ≥r(原书定理取r>μ),选α>0。因指数函数单调,
Pr(X−μ≥r) = Pr(e^(α(X−μ))≥e^(αr)) ≤ E[e^(α(X−μ))]/e^(αr)。
这是把马尔可夫不等式用于非负变量e^(α(X−μ))。独立性让指数矩分解成各次试验的乘积,再以指数函数上界化简;最后选择α=ln(r/μ),得到Pr(X−μ≥r)≤(μe/r)ʳ。
直接对X用马尔可夫界通常更松。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 附录C 计数与概率 · 查看原书依据
Using Markov’s inequality (C.34), we obtain The bulk of the proof consists of bounding E[eα(X−μ)] and substituting a suitable value for α in inequality (C.48). First, we evaluate E[
参考来源
- 位置:《算法导论(第4版)》附录C《计数与概率》(OEBPS/appendix003.xhtml,文本字符[35000,40000))。
- 结论依据:附录C二项分布、尾界与问题设定;Art_P1709–P1767公式和图C.2已查看。
- 原始内容:Using Markov’s inequality (C.34), we obtain The bulk of the proof consists of bounding E[ e α ( X − μ ) ] and substituting a suitable value for α in inequality (C.48). First, we evaluate E[