نامساویهای مارتینگل
نامساویهای مارتینگل، حداکثر رشد یک مارتینگل را در طول تاریخچه کامل آن بر اساس مقدار نهاییاش محدود میکنند و کنترل یک نقطه پایانی را به کنترل یک مسیر تصادفی کامل تبدیل میکنند.
Definition
نامساویهای مارتینگل، کرانهایی هستند که حداکثر مقدار در حال اجرا یا نوسانات یک مارتینگل یا زیرمارتینگل را کنترل میکنند، معمولاً بر اساس مقدار پایانی، افزایشها یا تغییرات درجه دوم آن.
Scope
این موضوع شامل نامساوی ماکسیمال دوب که احتمال فراتر رفتن یک زیرمارتینگل از یک سطح را محدود میکند، نامساوی Lp دوب که ماکسیمم را در میانگین مرتبه p برای p بزرگتر از یک محدود میکند، نامساوی آزوما-هوفدینگ که تمرکز نمایی را برای مارتینگلها با افزایشهای محدود ارائه میدهد، و نامساویهای بورکهولدر-دیویس-گاندی که حداکثر یک مارتینگل را به تغییرات درجه دوم آن مرتبط میکنند، میشود.
Core questions
- چگونه میتوان احتمال عبور یک مارتینگل از یک سطح بالا را محدود کرد؟
- چگونه بزرگترین مقدار یک مارتینگل در میانگین مرتبه p کنترل میشود؟
- چه زمانی مارتینگلها با افزایشهای محدود به صورت نمایی حول میانگین خود متمرکز میشوند؟
- اندازه یک مارتینگل چگونه با تغییرات درجه دوم انباشته شده آن مرتبط است؟
Key concepts
- نامساوی ماکسیمال دوب
- نامساوی Lp دوب
- تمرکز آزوما-هوفدینگ
- تغییرات درجه دوم
- نامساویهای بورکهولدر-دیویس-گاندی
Key theories
- نامساویهای ماکسیمال و Lp دوب
- احتمال اینکه یک زیرمارتینگل نامنفی از یک سطح فراتر رود، توسط میانگین پایانی آن تقسیم بر آن سطح محدود میشود، و برای p بزرگتر از یک، میانگین مرتبه p حداکثر مقدار در حال اجرا توسط یک ثابت ضربدر میانگین مرتبه p مقدار پایانی کنترل میشود که نامساوی مارکوف را به کل مسیرها تعمیم میدهد.
- نامساوی آزوما-هوفدینگ
- یک مارتینگل که افزایشهای متوالی آن محدود است، تنها با احتمالی که مانند یک دنباله گاوسی کاهش مییابد، از مقدار شروع خود به میزان معینی منحرف میشود، که کرانهای تمرکز دقیقی را برای مجموعها با وابستگی محدود فراهم میکند.
- نامساویهای بورکهولدر-دیویس-گاندی
- برای هر توان، میانگین مرتبه p حداکثر یک مارتینگل، تا ثابتهای جهانی، با میانگین مرتبه p ریشه دوم تغییرات درجه دوم آن قابل مقایسه است، که اندازه یک مارتینگل را به تغییرپذیری انباشته شده آن مرتبط میکند و مبنای انتگرالگیری تصادفی است.
Clinical relevance
نامساویهای مارتینگل در تحلیل احتمالاتی مدرن محوری هستند: کرانهای تمرکز آزوما-هوفدینگ انحرافات کمیات تصادفی پیچیده را در تحلیل الگوریتمها و یادگیری ماشین محدود میکنند، نامساویهای دوب سوپرممها را در همگرایی فرآیندهای تصادفی کنترل میکنند، و نامساویهای بورکهولدر-دیویس-گاندی برای ساخت و تخمین انتگرالهای تصادفی ضروری هستند.
History
نامساویهای ماکسیمال دوب بخشی از نظریه بنیادی مارتینگل او بودند؛ کرانهای تمرکز هوفدینگ برای مجموعها توسط آزوما در سال 1967 به مارتینگلها تعمیم داده شدند، و بورکهولدر، دیویس و گاندی در دهه 1970 همارزی حداکثر مارتینگل و تغییرات درجه دوم را برقرار کردند که سنگ بنای تحلیل تصادفی است.
Key figures
- Joseph L. Doob
- Kazuoki Azuma
- Wassily Hoeffding
- Donald Burkholder
Related topics
Seminal works
- doob1953
Frequently asked questions
- چرا نامساویهای ماکسیمال اینقدر ارزشمند هستند؟
- بسیاری از استدلالها نیاز به کنترل بزرگترین مقداری دارند که یک فرآیند تصادفی تاکنون به خود گرفته است، نه فقط مقدار آن در یک زمان ثابت؛ نامساویهای ماکسیمال دوب دقیقاً این کنترل را بر کل مسیر با استفاده از اطلاعات مربوط به نقطه پایانی فراهم میکنند.
- نامساوی آزوما-هوفدینگ چه چیزی را نسبت به نامساوی چبیشف اضافه میکند؟
- چبیشف تنها کرانهای دنباله با کاهش چندجملهای را از واریانس ارائه میدهد، در حالی که آزوما-هوفدینگ کرانهای از نوع گاوسی با کاهش نمایی را برای مارتینگلها با افزایشهای محدود ارائه میدهد که برای انحرافات بزرگ نادر بسیار دقیقتر است.