ปัญหาคลาสสิกในทฤษฎีความน่าจะเป็นคือการแสดงความน่าจะเป็นของเหตุการณ์ในแง่ของเหตุการณ์ที่เฉพาะเจาะจงมากขึ้น ในกรณีที่ง่ายที่สุดที่หนึ่งสามารถพูดB] Let 's เขียนABสำหรับเหตุการณ์A \ หมวก BA B A ∩ B
จากนั้นก็มีวิธีที่จะผูกโดยไม่มีการสมมติความเป็นอิสระของเหตุการณ์มากมาย Bonferroni ให้ขอบเขตบน
โครงสร้างการพึ่งพาของเหตุการณ์สามารถถือได้ว่าเป็นกราฟไฮเปอร์ถ่วงน้ำหนักที่มีจุดยอดโดยมีน้ำหนักของขอบที่แสดงถึงความน่าจะเป็นของเหตุการณ์ที่เกี่ยวข้องกับการตัดกันของจุดยอดในขอบ
อาร์กิวเมนต์สไตล์การคัดออกจะพิจารณาชุดย่อยของเหตุการณ์ที่ใหญ่กว่าและใหญ่กว่าด้วยกัน เหล่านี้ผลผลิตขอบเขต Bonferroni ขอบเขตเหล่านี้ใช้น้ำหนักทั้งหมดของขอบขึ้นอยู่กับขนาดบางk
ถ้าโครงสร้างการพึ่งพาอาศัยกันคือ "ดีพอ" จากนั้นLovász Local Lemma สามารถใช้ในการจำกัดความน่าจะเป็นจากค่าที่มากที่สุด 0 และ 1 ในทางตรงกันข้ามกับวิธี Bonferroni LLL ใช้ข้อมูลที่ค่อนข้างหยาบเกี่ยวกับโครงสร้างการพึ่งพา
ตอนนี้สมมติว่าน้ำหนักที่ค่อนข้างน้อยในโครงสร้างการพึ่งพาอาศัยกันไม่ใช่ศูนย์ นอกจากนี้สมมติว่ามีหลายเหตุการณ์ที่เป็นอิสระจากกัน แต่ยังไม่เป็นอิสระ (และโดยทั่วไปเป็นไปได้ว่าชุดเหตุการณ์ไม่ได้เป็นอิสระร่วมกัน แต่เป็น -wise อิสระสำหรับทุก ๆ )
เป็นไปได้หรือไม่ที่จะใช้โครงสร้างการพึ่งพาของเหตุการณ์อย่างชัดเจนเพื่อปรับปรุงขอบเขต Bonferroni / Kounias ในวิธีที่สามารถคำนวณได้อย่างมีประสิทธิภาพ?
ฉันคาดหวังคำตอบคือใช่และจะขอบคุณพอยน์เตอร์สำหรับการอ้างอิง ฉันรู้ว่ากระดาษของฮันเตอร์จากปี 1976 แต่มันเกี่ยวข้องกับการพึ่งพาคู่ ฮันเตอร์พิจารณาทอดต้นไม้ในกราฟที่เกิดขึ้นจากการละเว้นขอบในโครงสร้างการพึ่งพาขนาด 3 หรือมากกว่า
- เดวิดฮันเตอร์ผู้ถูกผูกมัดเพื่อความน่าจะเป็นของสหภาพวารสารความน่าจะเป็นประยุกต์13 597–603 http://www.jstor.org/stable/3212481