通过子采样实现分布保守的随机优势

《Statistical Analysis and Data Mining: An ASA Data Science Journal》：Distributionally Conservative Stochastic Dominance via Subsampling

本文提出基于子采样的分布保守随机优势关系，并采用Kontorovich和Ramanan的混合过程集中不等式进行非渐近分析，推导出考虑Lipschitz系数、FD参数和时序依赖系数的误差概率上界，优化子采样率后，在平稳和非平稳场景下均获得更紧的集中不等式。

　　

摘要

本文定义了基于子抽样的随机优势关系的分布式保守版本。它对基于子抽样的经验优势程序中错误优势（FD）错误的概率进行了非渐近分析。该分析基于Kontorovich和Ramanan对McDiarmid浓度不等式的推广，该不等式适用于$$-混合过程。所得到的浓度界限取决于问题的熵特性，例如所涉及效用的Lipschitz系数、FD参数以及表示每个子样本时间依赖性的系数。当子抽样率选择得当时，该分析为保守程序在平稳和非平稳情况下都建立了更严格的浓度界限。

利益冲突

作者声明没有利益冲突。