On the optimality of coin-betting for mean estimation

Riepilogo Tecnico: Sull'ottimalità del gioco delle monete per la stima della media

Enunciato del Problema
Il lavoro affronta il problema del test sequenziale della media di una variabile casuale reale limitata e della costruzione di sequenze di confidenza. Sebbene recenti approcci algoritmici abbiano utilizzato giochi di "scommessa su monete" (coin-betting) per derivare sequenze di confidenza strette per variabili limitate (Orabona e Jun, 2023; Waudby-Smith e Ramdas, 2023), la giustificazione teorica del perché questa specifica formulazione sia ottimale ha fatto largamente affidamento su argomenti euristici. Il lavoro mira a formalizzare rigorosamente l'affermazione secondo cui l'approccio basato sulla scommessa su monete offre le garanzie più forti possibili tra tutti i framework basati su e-variabili per questo specifico problema di test.

Metodologia e Quadro Teorico
L'autore introduce una prospettiva innovativa sull'ottimalità nel contesto delle e-variabili e dei e-processi. Invece di concentrarsi sull'ottimalità di una singola e-variabile (ad esempio, la log-ottimalità contro una specifica alternativa), il lavoro definisce l'ottimalità a livello di insiemi di e-variabili (e-classi).

Le definizioni chiave includono:

• E-classe maggiorante: Un'e-classe $\mathcal{E}$ maggiora un'altra classe $\mathcal{E}'$ se per ogni $E' \in \mathcal{E}'$, esiste un $E \in \mathcal{E}$ tale che $E$ domini puntualmente $E'$ (cioè $E(x) \geq E'(x)$ per ogni $x$).
• E-classe ottimale: Un'e-classe maggiorante che è contenuta in ogni altra e-classe maggiorante. Se esiste, corrisponde all'insieme di tutte le e-variabili massimali (quelle non strettamente dominate da alcuna altra e-variabile).
• Connessione con l'ammissibilità: Il lavoro nota che questo quadro è un adattamento del classico problema statistico di identificare una classe completa minima di test (Lehmann e Romano, 2022), dove le e-variabili massimali corrispondono a test ammissibili.

L'analisi procede in tre fasi:

1. E-variabili a turno singolo: Test di ipotesi in cui le osservazioni sono indipendenti e identicamente distribuite (i.i.d.) con una media fissa.
2. E-variabili a più turni: Test di ipotesi su un orizzonte fisso $T$ in cui la media condizionata è fissa, ma è ammessa dipendenza tra le osservazioni.
3. E-processi: Estensione dei risultati al test sequenziale con tempi di arresto arbitrari sotto l'ipotesi di media condizionata fissa.

Risultati Chiave

1. Ottimalità per E-variabili a Turno Singolo (Teorema 1):
   Per l'ipotesi $H_\mu$ che una distribuzione su $[0, 1]$ abbia media $\mu$, il lavoro dimostra che l'e-classe a scommessa su monete $\mathcal{E}^{cb}_\mu = \{x \mapsto 1 + \beta(x-\mu) : \beta \in [(\mu-1)^{-1}, \mu^{-1}]\}$ è l'unica e-classe ottimale.

   • Schema della dimostrazione: L'autore costruisce una funzione $F_\mu$ che domina puntualmente tutte le e-variabili valide. Si dimostra che ogni e-variabile non appartenente alla classe a scommessa su monete è strettamente dominata da qualche elemento all'interno della classe a scommessa su monete. Viceversa, ogni elemento nella classe a scommessa su monete è massimale.
   • Implicazione: Limitare il giocatore alla classe a scommessa su monete non sacrifica la potenza statistica; qualsiasi strategia che utilizza un'e-variabile generale può essere eguagliata o superata da una strategia che utilizza un'e-variabile a scommessa su monete.

2. Ottimalità per E-variabili a Più Turni (Teorema 2):
   Quando si testa l'ipotesi $H^T_\mu$ che una sequenza di lunghezza $T$ abbia una media condizionata fissa $\mu$ (consentendo strutture di dipendenza arbitrarie), la classe delle e-variabili a scommessa su monete a T turni (prodotti di funzioni a scommessa su monete a turno singolo) è l'e-classe ottimale.

   • Nota: Questo risultato vale per medie condizionate fisse ma fallisce se l'ipotesi è ristretta a osservazioni i.i.d. Il lavoro dimostra che per le ipotesi i.i.d., l'insieme delle e-variabili massimali è strettamente più grande dell'insieme generato dalla scommessa su monete, il che significa che la scommessa su monete non è ottimale nell'ambito i.i.d.

3. Ottimalità per E-Processi (Teorema 3):
   Estendendo al contesto degli e-processi (processi validi per qualsiasi tempo di arresto) sotto l'ipotesi di media condizionata fissa, la classe di e-processi a scommessa su monete (sequenze di processi di ricchezza derivati dalla scommessa su monete) è dimostrata essere la classe di e-processi ottimale.

Significato e Affermazioni
Il lavoro afferma di fornire la prima caratterizzazione rigorosa dell'ottimalità della formulazione a scommessa su monete. I suoi contributi principali sono:

• Caratterizzazione Esplicita: I risultati forniscono una descrizione diretta ed esplicita dell'insieme di tutte le e-variabili e degli e-processi validi per testare la media (condizionata) di una variabile casuale limitata. Nello specifico, ogni e-variabile/processo valido è quello che è maggiorato da un'e-variabile/processo a scommessa su monete.
• Giustificazione Teorica: Si sposta oltre le giustificazioni euristiche (come la proprietà di "esattezza" in cui le aspettative sono uguali a 1) per dimostrare che la classe a scommessa su monete costituisce una classe completa minima di test.
• Semplificazione Strategica: Identificando l'e-classe ottimale, il quadro semplifica la progettazione di strategie di test. Ad esempio, giustifica l'uso di tecniche di aggregazione bayesiana (come portafogli universali) sullo spazio parametrico a bassa dimensione delle strategie a scommessa su monete, garantendo che non venga persa alcuna potenza statistica limitando lo spazio di ricerca a questa classe.
• Distinzione dal Lavoro Precedente: L'autore distingue questo lavoro dalle recenti caratterizzazioni delle e-variabili per vincoli lineari (Clerico, 2024; Larsson et al., 2025). Sebbene quei lavori implichino il risultato a turno singolo, il lavoro sostiene che il suo approccio è più diretto e adattato al contesto specifico, fornendo intuizioni tramite argomenti geometrici (visualizzati nella Figura 1). Inoltre, questo lavoro estende la caratterizzazione agli e-processi e alle variabili a più turni, aspetti che i lavori citati non affrontano pienamente in questo contesto specifico.

Limitazioni e Ambito
Il lavoro nota esplicitamente che l'ottimalità della scommessa su monete non vale sotto l'ipotesi i.i.d. più rigorosa, dove l'insieme delle e-variabili massimali è più ampio. Inoltre, il lavoro si concentra sulla definizione della classe ottimale di e-variabili piuttosto che sulla progettazione di strategie di scommessa specifiche, rimandando la costruzione di strategie concrete alla letteratura esistente (Orabona e Jun, 2023; Waudby-Smith e Ramdas, 2023). I risultati sono presentati per variabili in $[0, 1]$ ma si nota che si estendono a qualsiasi insieme reale limitato e chiuso.