Ein Verteilungstestalgorithmus für eine Verteilungseigenschaft P (die nur eine Teilmenge aller Verteilungen über [n] ist) erlaubt den Zugriff auf Stichproben gemäß einer Verteilung D und muss entscheiden (whp), ob oder ( hier normalerweise der Abstand ). Das häufigste Maß für die Komplexität ist die Anzahl der vom Algorithmus verwendeten Stichproben.
Beim Testen von Standardeigenschaften mit Abfragezugriff auf ein Objekt ist eine lineare Untergrenze für die Abfragekomplexität offensichtlich die stärkste Untergrenze, die möglich ist, da Abfragen das gesamte Objekt offenbaren würden. Gilt das auch für Distributionstests?
Soweit ich weiß, ist die "triviale" Obergrenze zum Testen der Eigenschaften von Verteilungen - durch Chernoff-Grenzen ist dies ausreichend, um eine Verteilung D ', die nahe bei D in liegt, "aufzuschreiben" distance, und dann können wir nur überprüfen, ob es Verteilungen in der Nähe von D 'gibt, die in P liegen (dies kann unendlich viel Zeit in Anspruch nehmen, ist jedoch für die Komplexität der Stichprobe irrelevant).
- Gibt es einen besseren "trivialen" Test für alle Verteilungseigenschaften?
- Gibt es Verteilungseigenschaften, für die wir wissen, dass die unteren Grenzen der Stichproben stärker als linear sind?