มีคุณสมบัติการกระจายที่“ มากที่สุด” ยากต่อการทดสอบหรือไม่?


13

อัลกอริทึมการทดสอบการกระจายสำหรับคุณสมบัติการแจกจ่าย P (ซึ่งเป็นเพียงส่วนย่อยของการแจกแจงทั้งหมดผ่าน [n]) ได้รับอนุญาตให้เข้าถึงตัวอย่างตามการแจกแจง D บางส่วนและจำเป็นต้องตัดสินใจ (whp) ถ้าหรือd ( D , P ) > ϵ ( dที่นี่มักจะเป็น1ระยะทาง) การวัดความซับซ้อนที่พบบ่อยที่สุดคือจำนวนตัวอย่างที่ใช้โดยอัลกอริทึมDPd(D,P)>ϵd1

ตอนนี้ในการทดสอบคุณสมบัติมาตรฐานที่คุณมีการเข้าถึงแบบสอบถามเพื่อวัตถุบางอย่างขอบเขตเชิงเส้นล่างเชิงเส้นบนความซับซ้อนของแบบสอบถามนั้นชัดเจนว่าเป็นขอบเขตล่างที่แข็งแกร่งที่สุดเท่าที่จะเป็นไปได้เนื่องจากข้อความค้นหาจะเผยให้เห็นวัตถุทั้งหมด นี่เป็นกรณีสำหรับการทดสอบการกระจายเช่นกัน?n

เท่าที่ฉันเข้าใจขอบเขตบน "เล็กน้อย" สำหรับการทดสอบคุณสมบัติของการแจกแจงคือ --- โดยขอบเขตของ Chernoff นี่เพียงพอที่จะ "จดบันทึก" การแจกแจง D 'ซึ่งใกล้เคียงกับ D ใน1ระยะทางและแล้วเราก็สามารถตรวจสอบว่ามีการกระจายใด ๆ ที่ใกล้กับ D' ที่อยู่ใน P (นี้อาจใช้เวลาอนันต์ แต่นี้ไม่เกี่ยวข้องกับความซับซ้อนตัวอย่าง)O(n2logn)1

  • มีการทดสอบแบบ "เล็กน้อย" ที่ดีกว่าสำหรับคุณสมบัติการแจกแจงทั้งหมดหรือไม่
  • มีคุณสมบัติการกระจายใด ๆ ที่เรารู้ว่าตัวอย่างขอบเขตต่ำกว่าแข็งแกร่งกว่าเชิงเส้นหรือไม่

ดูเหมือนจะคล้ายกับการพิสูจน์การแยกระดับความซับซ้อน & เหมือนกับว่ามันอาจใกล้เคียงกับปัญหาเปิดที่รู้จักกันดี ... ?
vzn

O(n2logn)n1ε2/3O(n/ε2)εω(n)
ผ่อนผัน C.

คำตอบ:


5

ขออภัยที่ไม่ทราบทุกสิ่งที่โพสต์นี้ - มันค่อนข้างเก่า แต่ฉันคิดว่ามันตอบอาจไม่ได้เป็นความคิดที่ไม่ดี

1ε2pPnε2p^O(nlognε2)nεO(nε2)

O(nε2)nεn

1/10Θε(nlogn)

(โปรดทราบว่ามันเป็น "การโกง" เล็กน้อยในแง่ที่ว่าคุณสมบัติเป็นเพียงวิธีทดสอบคำถามที่ยอมรับได้และติดตั้งใหม่เป็นการทดสอบคุณสมบัติเฉพาะกิจ )

kkk=n/10Ω(nlogn)n100

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.