Rozbieżność między głowami a ogonami

12

Rozważ sekwencję rzutów bezstronnej monety. Niech oznacza wartość bezwzględną nadwyżki liczby głów nad ogonami widzianej w pierwszych rzutach . Zdefiniuj . Pokaż, że E [H_i] = \ Theta (\ sqrt {i}) i E [H] = \ Theta (\ sqrt {n}) .nHiiH=maxiHiE[Hi]=Θ(i)E[H]=Θ(n)

Ten problem pojawia się w pierwszym rozdziale „Randomized algorytmów” Raghavan i Motwani, więc być może istnieje elementarny dowód na powyższe stwierdzenie. Nie jestem w stanie go rozwiązać, więc byłbym wdzięczny za wszelką pomoc.

Plummer
źródło

Odpowiedzi:

9

Twoje rzuty monetą tworzą jednowymiarowy losowy spacer zaczynające się od , z , każda z opcji z prawdopodobieństwem . Terazi tak . Łatwo obliczyć (to tylko wariancja), a więc z wypukłości. Wiemy również, że jest rozłożony w przybliżeniu normalnie z zerową średnią i wariancją , więc możesz obliczyć .X 0 = 0 X i + 1 = X i ± 1 1 / 2 H ja = | X i | H 2 i = X 2 i E [ X 2 i ] = i E [ H i ] X0,X1,X0=0Xi+1=Xi±11/2Hi=|Xi|Hi2=Xi2E[Xi2]=ja XiiE[Hi]mi[H.ja]mi[H.ja2)]=jaXjajami[H.ja](2)/π)ja

Jeśli chodzi o , mamy prawo iterowanego logarytmu , co (być może) prowadzi nas do oczekiwania czegoś nieco większego niż . Jeśli jesteś dobry w górnej granicy , możesz użyć dużej granicy odchylenia dla każdego a następnie granicy unii, chociaż ignoruje to fakt, że są powiązane.mi[maxjanH.ja]˜ O (nXiXiO~(n)XjaXja

Edycja: Jak to się dzieje, ze względu na zasadę odbicia, patrz to pytanie . Więc od . Teraz a zatemE [ max i n X i ]Par[maxjanXja=k]=Par[Xn=k]+Par[Xn=k+1] Pr[Hn=k]=Pr[Xn=

E[maxinXi]=k0k(Pr[Xn=k]+Pr[Xn=k+1])=k1(2k1)Pr[Xn=k]=k12kPr[Xn=k]12+12Pr[Xn=0]=E[Hn]+Θ(1),
max i n X i + max i n ( - X iPr[Hn=k]=Pr[Xn=k]+Pr[Xn=k]=2Pr[Xn=k]E[maxinHi]2E[Hn]+Θ(1)=O(
maxjanXja+maxjan(-Xja)2)maxjanH.jamaxjanXja+maxjan(-Xja),
mi[maxjanH.ja]2)mi[H.n]+Θ(1)=O(n). Drugi kierunek jest podobny.
Yuval Filmus
źródło
Po udowodnieniu, że , nie możemy powiedzieć, że dla mamy drugi wynik, tzn. Brak jest większy niż . i=nE[H i ]Θ(mi[H.ja]=Θ(ja)ja=nmi[H.ja]Θ(n)
chazisop,
1
Jeśli były niezależne, wówczas wniosek nie byłby prawdziwy, ponieważ w rzeczywistości oczekujesz, że niektóre z tych wartości będą nieco większe niż oczekiwane. Na ogół nie jest prawdą, że . E [ maks. ( A , B ) ] = maks. ( E [ A ] , E [ B ] )H.jami[max(ZA,b)]=max(mi[ZA],mi[b])
Yuval Filmus
1
Prawo iterowanego logarytmu nie ma tutaj zastosowania, ponieważ jest ustalone i nie normalizujemy się przez . Odpowiedź na to . i E max i n H i θ ( niEmaxinHiθ(n)
Peter Shor,
+1 za pierwszą część. ale szczerze mówiąc, nie rozumiem drugiej części (czy możesz opracować więcej informacji). Nie oznacza to jednak, że jest to nieprawidłowe.
AJed
1
Niezły dowód. Ale utknąłem, jak udowodnić, że jest dolną granicą ? Wygląda na to, że w odpowiedzi nie wspomniano żadnych szczegółów na temat dolnej granicy. E(Hi)nE(Hi)
konjac
2

Możesz użyć rozkładu półnormalnego, aby potwierdzić odpowiedź.

Rozkład półnormalny stwierdza, że ​​jeśli jest rozkładem normalnym ze średnią 0 i wariancją , tonastępuje połowa rozkładu ze średnią i wariancją . Daje to wymaganą odpowiedź, ponieważ wariancja normalnego marszu wynosi , i można przybliżać rozkład do rozkładu normalnego za pomocą centralnego twierdzenia granicznego.σ 2 | X | σ Xσ2|X| σ2(1-2/π)σ2nXσ2πσ2(12/π)σ2nX

X jest sumą losowego marszu, jak wspomniał Yuval Filmus.

AJed
źródło
Nie wolę tego, co opublikowałem. chociaż daje dolną granicę, nic nie można powiedzieć o górnej granicy. Próbowałem użyć argumentu maksymalnej dystrybucji, aby go rozwiązać, okazało się to brzydką integracją. Ale dobrze jest znać wszystkie te rozkłady.
AJed
2

W pierwszych załóżmy, że otrzymujemy ogonów, a następnie. Dlatego Użyj przybliżenia Stirlinga , wiemy .k H 2 i = 2 | i - k | E ( H 2 i )2)jakH.2)ja=2)|ja-k|

mi(H.2)ja)=2)k=0ja(2)jak)(12))2)ja2)(ja-k)=(12))2)ja-2)[jak=0ja(2)jak)-k=0jak(2)jak)]=(12))2)ja-2)[ja(2)2)ja+(2)jaja))/2)-2)jak=0ja-1(2)ja-1k)]=(12))2)ja-2)ja[2)2)ja-1+(2)jaja)/2)-2)2)2)ja-1/2)]=2)ja(2)jaja)/2)2)ja.
mi(H.2)ja)=Θ(2)ja)
wodny
źródło
nie powinniśmy brać pod uwagę przypadków, w których ? wygląda na to, że brakuje Ci mnożenia 2, prawda? ja<k2)ja
omerbp