Il s'agit d'une approche plutôt artisanale, et j'apprécierais vraiment certains commentaires à ce sujet (et les critiques sont généralement les plus utiles). Si je comprends bien, l'OP calcule la échantillon , où chaque échantillon contient l'observation précédente de l'échantillon +1 à partir d'un nouveau la distribution de chaque moyenne de l'échantillon. Ensuite, nous pouvons écrire x¯jFj
T=def∑j=1n(1−Fj(c))=n−∑j=1nFj(c)
Considérons une taille de l' échantillon après quoi la distribution de la moyenne échantillon est presque normal, noterons . Ensuite, nous pouvons écriremG^
T=n−∑j=1mFj(c)−∑j=m+1nG^j(c)<n−∑j=m+1nG^j(c)
En résolvant nous obtenons
où est la normale standard cdf, est l'écart-type du processus iid, et est sa moyenne. Insérer dans la limite et réorganiser nous obtenonsG^j(c)
G^j(c)=1−Φ(j√σ(μ−c))
Φσμ
T<m+∑j=m+1nΦ(j√σ(−a))
Notez que cette limite dépend également de la variance du processus. Est-ce une meilleure limite que celle présentée dans la question? Cela dépendra essentiellement de la rapidité avec laquelle la distribution de la moyenne de l'échantillon deviendra «presque normale». Pour donner un exemple numérique, supposons que . Supposons également que les variables aléatoires soient uniformes dans . Ensuite, et . Considérons un écart de 10% par rapport à la moyenne, c'est-à-dire . alors: déjà pour la borne que je propose (qui est significative pour ) devient plus serrée. Pour la limite de Hoeffding est dem=30[0,1]σ=112−−√ a=0,05n=34n>30n=10078,536,2≈199,5≈38,5aa=0,149,530,5n→∞μ=12a=0.05n=34n>30n=10078.5tandis que la limite que je propose est de . La limite de Hoeffding converge vers tandis que la limite que je propose à Si vous augmentez l'écart entre les deux limites diminue mais reste visible: pour un écart de 20%, , la limite de Hoeffding converge vers tandis que le borne que je propose converge à (c'est-à-dire que la somme des cdfs normaux contribue très peu à la borne globale).
Un peu plus généralement, nous notons que pour la borne de Hoeffding converge vers36.2≈199.5≈38.5aa=0.149.530.5
n→∞
Ab→m
Hb→1e2a2−1
tandis que mon lié à
Ab→m
Étant donné que pour les petites valeurs de (ce qui est plutôt le cas d'intérêt) devient un grand nombre, il est toujours possible que surpasse en étanchéité, même si l'échantillon est tel que la distribution de la moyenne de l'échantillon converge lentement vers la distribution normale.H b A baHbAb