ขอบเขตล่างของการประมาณ


11

ผมอยากจะรู้ (ที่เกี่ยวข้องกับการนี้คำถามอื่น ๆ ) ถ้าขอบเขตที่ต่ำกว่าเป็นที่รู้จักกันสำหรับปัญหาการทดสอบต่อไปนี้: หนึ่งจะได้รับการเข้าถึงแบบสอบถามเพื่อลำดับของตัวเลขที่ไม่ใช่เชิงลบn1และε ( 0 , 1 )มีสัญญาว่าทั้งΣ n k = 1 k = 1หรือΣ n k = 1 k1 - εana1ε(0,1)k=1nak=1k=1nak1ε

วิธีการหลายคำสั่ง (การค้นหา) มีเพียงพอและจำเป็นสำหรับ (ปรับตัว) อัลกอริทึมแบบสุ่มที่จะแยกแยะความแตกต่างระหว่างทั้งสองกรณีมีความน่าจะเป็นเวลาอย่างน้อย ?2/3

ฉันได้พบโพสต์ก่อนหน้านี้ที่ให้ลอการิทึม (ใน ) ขอบเขตบนสำหรับปัญหาที่เกี่ยวข้องของการประมาณผลรวมและขอบเขตที่ตรงกับขอบเขตล่างของปัญหาสำหรับอัลกอริทึมที่กำหนด แต่ไม่พบผลลัพธ์สำหรับปัญหาเฉพาะที่ฉันกำลังพิจารณา (โดยเฉพาะอัลกอริทึมแบบสุ่ม)n


แก้ไข: ทำตามคำตอบด้านล่างฉันเดาว่าฉันควรจะชัดเจนกว่า: ในข้างต้น (และโดยเฉพาะอย่างยิ่งใน asymptotics สำหรับขอบเขตล่าง), คือปริมาณ "หลัก" ที่เห็นว่าจะไม่มีที่สิ้นสุดในขณะที่εคือ ) คงที่nε


ผมคิดว่าคุณหมายถึง ε k=1nak1ε
RB

แน่นอน - แก้ไขมัน
ผ่อนผันค.

ดีถ้าไม่มีคำสั่งการพึ่งพาจะจำเป็นฉันคิดว่า (มีหรือไม่มีการสุ่มตัวอย่าง) อินสแตนซ์ "ไม่ดี" (คู่ของลำดับ) จะเป็นอินสแตนซ์ลำดับที่มีค่าkทั้งหมดเท่ากับ1 - εnakยกเว้นหนึ่ง (พลสุ่ม)เจดังกล่าวว่าเจเป็นทั้งเท่ากับε(ในลำดับแรก) และ0(ในครั้งที่สอง) หากไม่มีการสอบถามΩ(n)ทั้งสองลำดับจะไม่สามารถแยกออกจากกันได้ ...1εn1jajε0Ω(n)
Clement C.

ผมถือว่ารุ่นแบบสอบถามช่วยให้คุณสามารถเลือกที่คุณสอบถามkเป็นสิทธินี้? kak
kodlu

ใช่ (คุณต้องเลือกว่าจะเปิดเผย "จุดใด")
Clement C. C.

คำตอบ:


5

นี่คือขอบเขตล่างที่ฉันสามารถแสดงได้ ผมคาดเดาว่าคง , ด้านล่างขวาผูกพันเป็นΩ ( บันทึกn )แต่ตามธรรมชาติผมอาจจะผิดϵΩ(logn)

ฉันจะใช้ลำดับที่ลดลง (เพื่อความสะดวก) กลไกพื้นฐานแบ่งลำดับออกเป็นบล็อกในบล็อกที่iจะมีองค์ประกอบn i (เช่นi n i = n )Liniini=n

ในต่อไปนี้เราต้องการขั้นตอนวิธีการที่จะประสบความสำเร็จกับความน่าสำหรับบางพารามิเตอร์δ > 01δδ>0

ขอบเขตล่างแรก: )Ω(1ϵlog1δ)

TH บล็อกมีn ฉัน = 2 ฉัน- 1องค์ประกอบดังนั้นL = LG n เราตั้งค่าขององค์ประกอบทั้งหมดในฉันบล็อก TH จะเป็น( 1 + X ฉัน ) / ( 2 n ฉัน L )ที่X ฉันเป็นตัวแปรที่เป็นทั้ง0หรือ1 เห็นได้ชัดว่าผลรวมทั้งหมดของลำดับนี้คือ α = L i = 1 1 + Xini=2i1L=lgni(1+Xi)/(2niL)Xi01 ลองนึกภาพการเลือกแต่ละXฉันมีโอกาสβจะเป็น1และ0มิฉะนั้น ในการประมาณการαเราต้องประมาณการที่เชื่อถือได้ของβ ในอนุภาคเราต้องการที่จะสามารถที่จะแยกแยะฐานβ=1-4εและการพูด,β=1

α=i=1L1+Xi2niL=12+12L(i=1LXi).
Xiβ10αββ=14ϵβ=1

ทีนี้ลองนึกภาพการสุ่มตัวอย่างของตัวแปรสุ่มเหล่านี้แล้วให้Z 1 , , Z mเป็นตัวแปรตัวอย่าง การตั้งค่าY = m i = 1 ( 1 - X i ) (โปรดทราบว่าเราใช้ผลรวมของตัวแปรประกอบ ) เรามีμ = E [ Y ] = ( 1 - β ) mและความไม่เท่าเทียมเชิง Chernoff บอกเรา ถ้าβ = 1 - 4mZ1,,ZmY=i=1m(1Xi)μ=E[Y]=(1β)mแล้ว μ = 4 ε เมตรและความน่าจะเป็นของความล้มเหลวคือ P [ Y 2 ε ] = P [ Y ( 1 - 1 / 2 ) μ ]ประสบการณ์( - μ ( 1 / 2 ) 2 / 2 ) = ประสบการณ์( - ε เมตร/ 2 ) เพื่อให้ปริมาณนี้น้อยกว่าβ=14ϵμ=4ϵm

P[Y2ϵm]=P[Y(11/2)μ]exp(μ(1/2)2/2)=exp(ϵm/2).
เราต้องการ m 2δδm2ϵln1δ

ข้อสังเกตที่สำคัญคือความไม่สมดุลของเชอร์อฟฟ์นั้นแน่น (ต้องระวังเพราะมันไม่ถูกต้องสำหรับพารามิเตอร์ทั้งหมด แต่มันถูกต้องในกรณีนี้) ดังนั้นคุณจึงไม่สามารถทำได้ดีกว่านั้น (มากถึงค่าคงที่)

ประการที่สองขอบเขตล่าง: )Ω(logn/loglogn)

ini=LiL=Θ(logn/loglogn)iαi=(1/L)/ni1

jαj1=Lαjαjj1/L12

L

p=1/21L/81/8L/8

(1p)(7/8)>7/16>1/3.

Ω(1/ϵ2)


Ω(1/ϵ)β<1β1/ϵXiϵ

ใช่. หากคุณต้องการแยกแยะความแตกต่างระหว่าง 1 ถึง 1-epsilon แน่นอนว่าคุณไม่สามารถปรับปรุงขอบเขตล่าง ... ฉันคิดว่าจะพยายามแยกแยะช่วงอื่น ๆ ... s
Sariel Har-Peled

4

ขอบเขตล่าง

Ω(1/ϵ)

a1,,anϵ,2ϵ,3ϵ,4ϵ,na1++an=1n1/2ϵ

a1,,anϵa1=a1a2=a2ai=aiϵa1++an=1ϵ

a1,,ana1,,aniΩ(n)n1/2ϵΩ(1/ϵ)

ขอบบน

O(lg(n/ϵ)[lgn+1/ϵ2])

[0,1]

[0,1]=[0,0.25ϵ/n](0.25ϵ/n,0.5ϵ/n](0.5ϵ/n,ϵ/n](ϵ/n,2ϵ/n](2ϵ/n,4ϵ/n](,1].

aiaiai[,u]i,jai,,aj[,u]O(lg(n/ϵ))

ตอนนี้เราจะประมาณผลรวมของค่าในแต่ละช่วง ช่วงแรกจะได้รับการจัดการแยกต่างหากจากส่วนที่เหลือทั้งหมด:

  • [0,0.25ϵ/n)0m×0.25ϵ/nmmn0.25ϵ

  • δO(1/δ2)2×δ=0.25ϵ

0.25ϵ0.25ϵ0.5ϵ11ϵ


ขอบคุณ - สิ่งนี้ดูน่าสนใจ (เท่าที่ฉันสามารถบอกได้มันไม่ใช่วิธีการเดียวกับที่ใช้ในบทความ / การสนทนาที่เชื่อมโยงด้านบน) และฉันจะมองลึกลงไปถึงสิ่งที่คุณเขียน แต่ผมกำลังมองหาผูกพันลดลงมากกว่าที่ถูกผูกไว้บน - คือวิธีการหลายคำสั่งที่มีความจำเป็น
ผ่อนผัน C.

(เมื่อถึงเวลาฉันจะมอบรางวัล "ความโปรดปราน" ให้กับคำตอบอย่างไรก็ตาม - ฉันยังคงมองหาการอ้างอิงสำหรับขอบเขตล่างหากมีที่ใดที่หนึ่งอยู่ที่นั่น)
Clement C.

2
@ClementC. ฉันได้เพิ่มขอบเขตล่างตามคำขอของคุณ
DW

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