論文の概要: Sharp Concentration Inequalities: Phase Transition and Mixing of Orlicz Tails with Variance

• arxiv url: http://arxiv.org/abs/2603.25934v1
• Date: Thu, 26 Mar 2026 22:02:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.293332
• Title: Sharp Concentration Inequalities: Phase Transition and Mixing of Orlicz Tails with Variance
• Title（参考訳）: シャープ濃度の不等式:オルリッツタオルの相転移と混合
• Authors: Yinan Shen, Jinchi Lv,
• Abstract要約: Weibull 以下の確率変数に対する急激な集中不等式の開発方法について検討する。 確率変数は準ガウス的ではないかもしれないが、原点周辺の尾確率は準ガウス的であるかのように振る舞う。 我々の理論は、準ガウス分布や準指数分布の場合においても、新しい改良された濃度不等式をもたらす。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we investigate how to develop sharp concentration inequalities for sub-Weibull random variables, including sub-Gaussian and sub-exponential distributions. Although the random variables may not be sub-Guassian, the tail probability around the origin behaves as if they were sub-Gaussian, and the tail probability decays align with the Orlicz $Ψ_α$-tail elsewhere. Specifically, for independent and identically distributed (i.i.d.) $\{X_i\}_{i=1}^n$ with finite Orlicz norm $\|X\|_{Ψ_α}$, our theory unveils that there is an interesting phase transition at $α= 2$ in that $\PPł(ł|\sum_{i=1}^n X_i \r| \geq t\r)$ with $t > 0$ is upper bounded by $2\expł(-C\maxł\{\frac{t^2}{n\|X\|_{Ψ_α}^2},\frac{t^α}{ n^{α-1} \|X\|_{Ψ_α}^α}\r\}\r)$ for $α\geq 2$, and by $2\expł(-C\minł\{\frac{t^2}{n\|X\|_{Ψ_α}^2},\frac{t^α}{ n^{α-1} \|X\|_{Ψ_α}^α}\r\}\r)$ for $1\leq α\leq 2$ with some positive constant $C$. In many scenarios, it is often necessary to distinguish the standard deviation from the Orlicz norm when the latter can exceed the former greatly. To accommodate this, we build a new theoretical analysis framework, and our sharp, flexible concentration inequalities involve the variance and a mixing of Orlicz $Ψ_α$-tails through the min and max functions. Our theory yields new, improved concentration inequalities even for the cases of sub-Gaussian and sub-exponential distributions with $α= 2$ and $1$, respectively. We further demonstrate our theory on martingales, random vectors, random matrices, and covariance matrix estimation. These sharp concentration inequalities can empower more precise non-asymptotic analyses across different statistical and machine learning applications.
• Abstract（参考訳）: 本研究では,サブガウス分布およびサブ指数分布を含むワイブル確率変数に対して,急激な濃度不等式を開発する方法について検討する。 確率変数は準ガウス的ではないかもしれないが、原点の周りのテール確率は準ガウス的であり、テール確率の崩壊はオルリッツのドル=α$-テールと一致している。 具体的には、独立で同値な(d.d.)$\{X_i\}_{i=1}^n$ with finite Orlicz norm $\|X\|_{n_α}$に対して、この理論は$α=2$で興味深い相転移が存在することを明らかにし、$\PPł(ł|\sum_{i=1}^n X_i \r| \geq t\r)$ with $t > 0$は2,\expł(-C\maxł\frac{t^2}{n\|X\|_{n_α}^2},\frac{t^α}{n^{n^{α-1} \|X\|_{n_α}^r}\r}$2\expł(-C\maxł\frac{t^2}{n\|_{n_α}^2}^2}^2},\expł(-C\maxł\frac{t^2}{n\|||_{n_α}^2}^2}^2}^2},\expł(\sum_{i=1})$2,2,\expł(X\sum_{i=2})$である。 多くのシナリオでは、Orliczノルムと標準偏差を区別する必要がある。 これに対応するために、我々は新しい理論解析フレームワークを構築し、鋭く柔軟な濃度の不等式は、min と max 関数を通してOrlicz $\_α$-tails の分散と混合を含む。 我々の理論は、それぞれα=2$と1$の準指数分布であっても、新しい、改善された濃度不等式をもたらす。 さらに、マルチンタレス、ランダムベクトル、ランダム行列、共分散行列推定に関する理論を実証する。 これらの鋭い濃度の不等式は、統計学や機械学習の様々な応用において、より正確な非漸近解析に役立てることができる。

関連論文リスト

• Sharp Rates in Dependent Learning Theory: Avoiding Sample Size Deflation for the Square Loss [33.18537822803389]
  L2$ と $Psi_p$ の位相が我々の仮説クラス $mathscrF$, $mathscrF$ に同値であるときにいつでも、$mathscrF$ は弱準ガウス類であることを示す。 以上の結果から, 混合への直接的な依存は高次項に還元されるため, この問題は実現可能か否かを判断できる。
  論文  参考訳（メタデータ） (2024-02-08T18:57:42Z)
• $L^1$ Estimation: On the Optimality of Linear Estimators [64.76492306585168]
  この研究は、条件中央値の線型性を誘導する$X$上の唯一の先行分布がガウス分布であることを示している。 特に、条件分布 $P_X|Y=y$ がすべての$y$に対して対称であるなら、$X$ はガウス分布に従う必要がある。
  論文  参考訳（メタデータ） (2023-09-17T01:45:13Z)
• Concentration of measure and generalized product of random vectors with an application to Hanson-Wright-like inequalities [45.24358490877106]
  この記事では、各変数上の$phi$の変動が他の変数のノルム(あるいは半ノルム)の積に依存する関数の濃度$phi(Z_1,ldots, Z_m)$の式を提供する。 この結果の重要性は、ハンソン・ライト濃度の不等式の様々な一般化と、確率行列 $XDXT$ とその分解剤 $Q = の研究によって説明される。
  論文  参考訳（メタデータ） (2021-02-16T08:36:28Z)
• From Smooth Wasserstein Distance to Dual Sobolev Norm: Empirical Approximation and Statistical Applications [18.618590805279187]
  我々は$mathsfW_p(sigma)$が$pth次スムーズな双対ソボレフ$mathsfd_p(sigma)$で制御されていることを示す。 我々は、すべての次元において$sqrtnmathsfd_p(sigma)(hatmu_n,mu)$の極限分布を導出する。
  論文  参考訳（メタデータ） (2021-01-11T17:23:24Z)
• Multivariate mean estimation with direction-dependent accuracy [8.147652597876862]
  独立な同一分布観測に基づくランダムベクトルの平均を推定する問題を考察する。 確率ベクトルの1次元辺の分散があまり小さくない全ての方向において、ほぼ最適誤差を持つ推定器を証明した。
  論文  参考訳（メタデータ） (2020-10-22T17:52:45Z)
• Curse of Dimensionality on Randomized Smoothing for Certifiable Robustness [151.67113334248464]
  我々は、他の攻撃モデルに対してスムースな手法を拡張することは困難であることを示す。 我々はCIFARに関する実験結果を示し,その理論を検証した。
  論文  参考訳（メタデータ） (2020-02-08T22:02:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。