Kolmogorov-Type Maximal Inequalities for Independent and Dependent Negative Binomial Random Variables: Sharp Bounds, Sub-Exponential Refinements, and Applications to Overdispersed Count Data

Resumo Técnico: Desigualdades Maximal de Tipo Kolmogorov para Variáveis Aleatórias Negativas Binomiais

1. Problema e Motivação

O artigo aborda o desafio de aplicar desigualdades maximal clássicas de probabilidade (como a de Kolmogorov) a dados de contagem sobredispersos e dependentes, especificamente modelados pela distribuição Negativa Binomial (NB).

• Limitações da Abordagem Clássica: A desigualdade de Kolmogorov original assume variáveis independentes com variância finita e decresce polinomialmente ($O(\lambda^{-2})$). No entanto, dados reais em epidemiologia, seguros e ecologia frequentemente exibem:
  1. Sobredispersão: A variância da NB cresce quadraticamente em relação à média ($Var(X) = \mu + \kappa\mu^2$), o que invalida aproximações simples baseadas apenas na variância.
  2. Dependência Estrutural: Em cenários reais (ex.: surtos de doenças em diferentes regiões), as contagens não são independentes; elas compartilham fatores latentes (ex.: pressão de infecção comum).
  3. Falta de Resultados Específicos: A literatura carece de limites de cauda explícitos e refinados para somas parciais de variáveis NB dependentes, especialmente aqueles que exploram a estrutura hierárquica Poisson-Gama.

O objetivo é desenvolver limites de desvio maximal que sejam explícitos, agudos e aplicáveis a modelos de regressão linear generalizada (GLM) NB2, tanto para casos independentes quanto dependentes.

2. Metodologia

Os autores utilizam uma abordagem combinada de teoria de probabilidade, otimização de funções geradoras de momentos e simulação de Monte Carlo.

• Caso Independente:
  • Derivação de desigualdades do tipo Markov otimizadas sobre a função geradora de momentos (MGF) da NB.
  • Adaptação da desigualdade de Kolmogorov clássica para variáveis NB heterogêneas, expressando os limites em termos dos parâmetros de dispersão de Tweedie ($\mu$ e $\kappa$).
• Caso Dependente (Mistura Poisson-Gama):
  • Modelagem da dependência através de uma variável latente comum $\Lambda \sim \text{Gamma}(\alpha, \beta)$, onde $X_i | \Lambda \sim \text{Poisson}(\Lambda \theta_i)$.
  • Decomposição Hierárquica: A soma parcial centralizada $S_k$ é decomposta em duas partes:
    1. Uma componente condicional Poisson ($Y_i$) com média zero dada $\Lambda$.
    2. Uma componente de mistura Gama ($W_i$) derivada da variação de $\Lambda$.
  • Refinamento Sub-Exponencial: Aplicação de desigualdades do tipo Bernstein para explorar que:
    • Somas de Poisson centradas satisfazem condições sub-Gaussianas.
    • Variáveis Gama centradas são sub-exponenciais.
  • Isso permite obter limites de cauda que decaem exponencialmente em vez de polinomialmente.

3. Principais Contribuições

O artigo apresenta três contribuições originais:

1. Limites para Variáveis Independentes (Seções 2-3):

   • Estabelecimento de uma desigualdade de Markov tipo para médias amostrais de NB.
   • Derivação de um limite do tipo Kolmogorov (Corolário 3.2) que fornece limites de controle explícitos para GLMs NB2: $\lambda_\alpha = \sqrt{V_n/\alpha}$, onde $V_n$ é a soma das variâncias Tweedie. Isso permite monitoramento direto em prática estatística.

2. Novos Limites para Variáveis Dependentes (Seção 4):

   • Teorema 4.1: Uma desigualdade básica do tipo Kolmogorov para o modelo de mistura, decompondo o erro em componentes de Poisson e Gama (decaimento polinomial).
   • Teorema 4.3 (Resultado Principal): Uma refinamento do tipo Bernstein sub-exponencial. Este é o primeiro resultado na literatura a explorar a estrutura hierárquica Poisson-Gama para obter decaimento exponencial de probabilidade de cauda em cenários correlacionados. O limite é dado por $P(\max |S_k| \ge \lambda) \le P_{cond}(\lambda) + P_{mix}(\lambda)$, onde ambos os termos decaem exponencialmente.

3. Análise Comparativa e Aplicação (Seções 5-6):

   • Experimentos de Monte Carlo: Desenho de experimentos com emparelhamento de momentos (mesma média e variância marginal) para comparar casos independentes vs. dependentes.
   • Aplicação Epidemiológica: Calibração de parâmetros a partir de dados de vigilância do COVID-19 para demonstrar a utilidade prática dos limites no monitoramento de surtos.

4. Resultados Chave

• Amplificação da Dependência:

  • Os experimentos mostram que, mesmo com momentos marginais idênticos, o caso dependente produz desvios máximos substancialmente maiores que o caso independente.
  • Dados Empíricos (n=20):
    • Média do desvio máximo: Independente $\approx 18$ vs. Dependente $\approx 42$ (+138%).
    • Percentil 95: Independente $\approx 33$ vs. Dependente $\approx 101$ (+206%).
  • Explicação Analítica (Proposição 5.1): A variável de mistura compartilhada $\Lambda$ atua como um amplificador. Um único valor alto de $\Lambda$ inflaciona simultaneamente todas as contagens $X_i$, impedindo o cancelamento de flutuações que ocorre na soma de variáveis independentes.

• Eficiência dos Limites:

  • O limite de Kolmogorov clássico (polinomial) é conservador, mas válido. No estudo de caso do COVID-19, a eficiência do limite (percentil empírico / limite teórico) foi de 47%.
  • O limite refinado de Bernstein (Teorema 4.3) oferece limites de detecção mais estreitos (aprox. 30% mais estreitos para o nível de 95%), permitindo alertas de surtos mais precoces e precisos.

• Comportamento Assintótico:

  • O Teorema 4.3 recupera o comportamento sub-Gaussiano para $\lambda$ pequeno e sub-exponencial para $\lambda$ grande, sendo rate-optimal (ótimo em termos de taxa) no sentido assintótico.

5. Significado e Impacto

• Avanço Teórico: Preenche uma lacuna na literatura ao fornecer desigualdades maximal específicas para dados de contagem sobredispersos dependentes, superando as limitações das desigualdades genéricas para variáveis independentes ou negativamente dependentes.
• Aplicabilidade Prática:
  • Vigilância Epidemiológica: Oferece ferramentas rigorosas para monitorar desvios cumulativos em dados de contagem de doenças, ajustando-se à sobredispersão e dependência regional (ex.: ondas nacionais de vírus).
  • Seguros e Ecologia: Os limites podem ser aplicados para modelar frequências de sinistros com riscos macroeconômicos não observados ou abundância de espécies sob condições ambientais agrupadas.
• Monitoramento em Tempo Real: A fórmula explícita para limites de controle ($\lambda_\alpha$) permite que agências de saúde e analistas de risco implementem sistemas de alerta precoce baseados em dados, com garantias probabilísticas rigorosas independentemente dos valores específicos de média e dispersão.

Em suma, o trabalho demonstra que ignorar a estrutura de dependência em dados de contagem leva a subestimar drasticamente a magnitude dos desvios máximos, e que a exploração da estrutura hierárquica Poisson-Gama é essencial para obter limites de cauda úteis e práticos.