High-Dimensional Probability
高维概率
https://www.math.uci.edu/~rvershyn/papers/HDP-book/HDP-2.pdf
注记
本节我们举例说明概率方法，即利用随机性构造有用对象。书籍 [17] 主要从组合数学角度提供了该方法的诸多示例。
B. Maurey 在本节介绍的经验方法最初发表于 [271]，此后已发现许多应用。B. Carl 曾用它推导覆盖数的界 [76]，正如我们在推论 0.0.3 中所做的那样。
近似 Caratheodory 定理（定理 0.0.2）的一个较弱版本——不要求凸组合的所有权重相等——仍非平凡。它可不借助概率证明，而改用 Frank-Wolfe 算法的一种版本——一种确定性的、迭代的贪心算法，参见 [43, 引理 2.6]。
与 Caratheodory 定理类似，组合几何中若干其他结果可通过允许其为近似而非精确的形式，实现维度无关化 [10]。
定理 0.0.4 及其在习题 0.9 中的加强版最初由 B. Carl 和 A. Pajor [77] 证明。N. Dafnis、A. Giannopoulos 和 A. Tsolomitis [90] 通过考虑随机多面体，表明习题 0.9 中的界在整个有趣范围 n ≤ N ≤ e n
内是最优的。
注记
本节我们举例说明概率方法，即利用随机性构造有用对象。书籍 [17] 主要从组合数学角度提供了该方法的诸多示例。
B. Maurey 在本节介绍的经验方法最初发表于 [271]，此后已发现许多应用。B. Carl 曾用它推导覆盖数的界 [76]，正如我们在推论 0.0.3 中所做的那样。
近似 Caratheodory 定理（定理 0.0.2）的一个较弱版本——不要求凸组合的所有权重相等——仍非平凡。它可不借助概率证明，而改用 Frank-Wolfe 算法的一种版本——一种确定性的、迭代的贪心算法，参见 [43, 引理 2.6]。
与 Caratheodory 定理类似，组合几何中若干其他结果可通过允许其为近似而非精确的形式，实现维度无关化 [10]。
定理 0.0.4 及其在习题 0.9 中的加强版最初由 B. Carl 和 A. Pajor [77] 证明。N. Dafnis、A. Giannopoulos 和 A. Tsolomitis [90] 通过考虑随机多面体，表明习题 0.9 中的界在整个有趣范围 n ≤ N ≤ e n
内是最优的。
原文链接：https://www.math.uci.edu/~rvershyn/papers/HDP-book/HDP-2.pdf
热门跟贴