Leçon 313 — Inégalités de concentration. Markov, Tchebychev, Hoeffding.
Points clés
- Inégalité de Markov et Tchebychev
- Inégalité de Hoeffding
- Méthode de Chernoff (borne exponentielle)
- Inégalité de McDiarmid
- Applications : bornes de déviation
Plan
- Inégalités élémentaires
- Inégalité de Markov : [formule] pour [formule]
- Inégalité de Bienaymé-Tchebychev : [formule]
- Inégalité de Jensen : [formule] pour [formule] convexe
- Méthode de Chernoff
- Principe : [formule] puis optimiser en [formule]
- Transformée de Laplace [formule] : propriétés de convexité
- Borne de Chernoff pour les variables de Bernoulli : [formule]
- Inégalité de Hoeffding
- Lemme de Hoeffding : si [formule] et [formule], alors [formule]
- Théorème de Hoeffding : [formule]
- Borne bilatérale : [formule]
- Inégalité de McDiarmid
- Condition des différences bornées : [formule]
- Énoncé : [formule]
- Généralisation de Hoeffding aux fonctions de variables indépendantes
- Inégalités sous-gaussiennes
- Variable sous-gaussienne : [formule] pour tout [formule]
- Exemples : variable bornée, variable gaussienne
- Somme de sous-gaussiennes indépendantes : contrôle exponentiel
- Applications
- Bornes de déviation pour les sondages : [formule]
- Apprentissage statistique : bornes de généralisation PAC
- Concentration de la norme d'un vecteur gaussien
Théorèmes clés
- Inégalité de Hoeffding : si [formule] sont indépendantes avec [formule], alors [formule]
- Inégalité de McDiarmid : sous les différences bornées [formule], [formule]
- Borne de Chernoff multiplicative : pour [formule] et [formule], [formule] (pour [formule])
- Lemme de Hoeffding : si [formule] et [formule], alors [formule]
Exemples importants
- Pile ou face : [formule] par Hoeffding
- Concentration de la médiane empirique
- Taille d'échantillon pour un sondage avec marge d'erreur [formule] et confiance [formule]
Erreurs courantes
- Appliquer Hoeffding à des variables non bornées
- Oublier l'hypothèse d'indépendance dans Hoeffding et McDiarmid
- Confondre les bornes additives et multiplicatives de Chernoff
Conseils du jury
- La démonstration de l'inégalité de Hoeffding (via le lemme) est un développement apprécié
- Savoir comparer la qualité des différentes bornes sur des exemples
- Le jury apprécie les applications modernes (apprentissage, algorithmes randomisés)
Développements associés
Prérequis
variables aleatoires discretes, fonctions convexes, loi grands nombres