샘플 분산만으로 얻는 자기정규화 집중 부등식

초록

본 논문은 마팅게일 차분 구조와 ϕ/˜ϕ‑mixing 조건을 만족하는 의존 데이터에 대해, 예측 가능한 분산 대신 관측 가능한 샘플 분산(또는 블록 기반 장기 분산)만을 이용한 자기정규화 집중 부등식을 제시한다. 상수는 명시적이며, 별도의 혼합 계수 감소 가정 없이도 적용 가능하고, 경험적 Bernstein 형태의 경계도 제공한다.

상세 분석

이 연구는 기존 자기정규화 및 경험적 Bernstein(EB) 부등식이 예측 가능한 분산(조건부 분산 혹은 장기 분산)의 추정에 의존하거나, 혼합 계수의 급격한 감소(예: 가법성) 가정을 필요로 하는 한계를 극복한다는 점에서 혁신적이다. 먼저 마팅게일 차분(MDS) 경우를 다루면서, |Z_i|≤b 라는 유한한 절댓값 제한 하에 두 가지 핵심 부등식(8)·(9)을 도출한다. (8)은 ⟨M⟩_n(조건부 평균 제곱) 기반의 1‑sub‑Gamma 경계이며, λ를 무작위화하는 새로운 mgf 기법을 통해 기존 결과와 동일한 형태를 보다 직관적인 증명으로 재현한다. (9)는 예측 불가능한 ⟨M⟩_n을 완전히 관측 가능한