Si tous les suivent des uniformes discrets indépendants sur , alors comme il y a valeurs à choisir et leur moyenne est 0, nous avons pour tout :Xi[−n,n]2n+1i
E(Xi)=0 , et
V(Xi)=E((Xi−E(Xi))2)=E(X2i)=(2n+1)2−112=n(n+1)3
Alors si est la norme euclidienne au carré du vecteur , et à cause de l'indépendance du :S(X1,X2,...Xd)Xi
S=∑di=1X2i
E(S)=∑di=1E(X2i)=dn(n+1)3
À partir de là, vous pouvez utiliser l'inégalité de Markov:∀a>0,P(S≥a)≤1aE(S)
P(S≥a)≤dan(n+1)3
Cette limite augmente avec , ce qui est normal car lorsque devient plus grand, la norme euclidienne devient plus grande par rapport à un seuil fixe .dda
Maintenant, si vous définissez comme une norme au carré "normalisée" (qui a la même valeur attendue, quelle que soit la taille de ), vous obtenez:S∗d
S∗=1dY=1d∑di=1X2i
E(S∗)=n(n+1)3
P(S≥a)≤n(n+1)3a
Au moins, cette limite ne monte pas avec , mais elle est loin de résoudre votre quête d'une limite décroissante exponentiellement! Je me demande si cela peut être dû à la faiblesse de l'inégalité de Markov ...d
Je pense que vous devriez préciser votre question, car comme indiqué ci-dessus, la norme euclidienne moyenne de vos vecteurs augmente linéairement en , il est donc très peu probable que vous trouviez une limite supérieure pour qui diminue en avec un seuil fixe .dP(S>a)da