arXivDaily arXiv每日学术速递 周一至周五更新
arXiv 1210.0572math.NAcs.DMcs.NAmath.CO
收藏

随机点集差异的下界

A Lower Bound for the Discrepancy of a Random Point Set

Max Planck Institute for Computer Science(马克斯·普朗克计算机科学研究所)

Benjamin Doerr

AI总结:

本文证明随机均匀点集的星形差异期望为√(s/N)量级,通过构造包含K√(sN)个额外点的轴平行矩形实现。

摘要:

我们证明存在常数 $K > 0$ 使得对所有 $N, s \in \N$, $s \le N$,在 $s$ 维单位立方体 $[0,1]^s$ 中均匀随机选取的 $N$ 个点构成的点集,以至少 $1-\exp(-Θ(s))$ 的概率包含一个轴平行矩形 $[0,x] \subseteq [0,1]^s$,其中包含的点数比期望多 $K \sqrt{sN}$ 个。因此,随机点集的期望星形差异为 $\sqrt{s/N}$ 量级。

英文摘要:

We show that there is a constant $K > 0$ such that for all $N, s \in \N$, $s \le N$, the point set consisting of $N$ points chosen uniformly at random in the $s$-dimensional unit cube $[0,1]^s$ with probability at least $1-\exp(-Θ(s))$ admits an axis parallel rectangle $[0,x] \subseteq [0,1]^s$ containing $K \sqrt{sN}$ points more than expected. Consequently, the expected star discrepancy of a random point set is of order $\sqrt{s/N}$.

机构、总结、中文摘要均由AI分析而来,可能存在错误,请以论文正文为准。

↑