Se todos os seguem uniformes discretos independentes sobre , então como existem valores para escolher e sua média é 0, temos para todos :Xi[−n,n]2n+1i
E(Xi)=0 e
V(Xi)=E((Xi−E(Xi))2)=E(X2i)=(2n+1)2−112=n(n+1)3
Então, se é a norma euclidiana quadrada do vetor e por causa da independência do :S(X1,X2,...Xd)Xi
S=∑di=1X2i
E(S)=∑di=1E(X2i)=dn(n+1)3
A partir daqui, você pode usar a desigualdade de Markov:∀a>0,P(S≥a)≤1aE(S)
P(S≥a)≤dan(n+1)3
Esse limite aumenta com , o que é normal porque quando aumenta, a norma euclidiana aumenta quando comparada a um limite fixo .dda
Agora, se você definir como uma norma quadrada "normalizada" (que tem o mesmo valor esperado, independentemente do tamanho ), você obtém:S∗d
S∗=1dY=1d∑di=1X2i
E(S∗)=n(n+1)3
P(S≥a)≤n(n+1)3a
Pelo menos esse limite não aumenta com , mas ainda está longe de resolver sua busca por um limite decrescente exponencialmente! Gostaria de saber se isso pode ser devido à fraqueza da desigualdade de Markov ...d
Eu acho que você deveria precisar sua pergunta, porque, como afirmado acima, a norma euclidiana média de seus vetores aumenta linearmente em , então é muito improvável que você encontre um limite superior para que está diminuindo em com um limite fixo .dP(S>a)da