更精确的扰动-克尔バック-莱布勒指数尾界对 Beta 和 Dirichlet 分布的应用.pdfVIP

Electron.Commun.Probab.0(2025),articleno.0,1–11.

ELECTRONIC

/10.1214/YY-TN

COMMUNICATIONS

ISSN:1083-589X

inPROBABILITY

更精确的扰动-克尔バック-莱布勒指数尾界对Beta和

Dirichlet分布的应用

PierrePerrault∗

本

译摘要

本文提出了Beta分布的一个改进的指数尾界，完善了[15]中的结果。这一改进是通过将

中他们的界限解释为一个常规的Kullback–Leibler（KL）散度，并引入了一个特定的扰动

1，该参数使得Beta分布的均值更接近于零，在KL界内移动。我们的贡献在于证明可以

v选取更大的扰动，从而收紧这个界限。然后我们将这一结果从Beta分布扩展到Dirichlet

1

9分布和Dirichlet过程（DPs）。

9

7Keywords:贝塔分布；狄利克雷分布；狄利克雷过程；Kullback–Leibler散度；偏差界限.

0MSC2020subjectclassifications:60E15;62E17.

.

8SubmittedtoECPon...,finalversionacceptedon

0

5

2

:1介绍

v

i

xBeta分布，记为Beta用于参数，是在区间上定义的基本连续概

r

a率分布。它在贝叶斯统计中的先验自然出现[5]，并在涉及比例和受限于有限区间的随

机过程的上下文中出现[12]。

Beta分布随机变量Beta的上尾概率定义为

for

其中表示伽玛函数。尽管其定义简单，计算Beta

通常是不可行的[9]。然而，准确估计这个量在诸如大偏差理论[28]和自适应贝叶斯推

理[10]等领域中找到了应用。因此，开发了各种封闭形式的指数上界。我们在表1中汇

总了一些最显著的结果。

在这些界限中，Kullback–Leibler(KL)型界因其渐近尖锐性而突出。具体来说，

对于，尾概率具有以下大偏差逼近（见表1中的kl函数定义）：

logBetaklfor(see,e.g.,[19]).

∗IDEMIA.E-mail:pierre.perrault@

更精确的扰动KL指数尾界对Beta和Dirichlet分布的应用

BoundonlogBetaValidityrangeType