斯萊皮安與蘇達科夫-費尼克比較不等式（Slepian, Sudakov-Fernique）
/ SLEE-pee-an; soo-DAH-kov fer-NEEK /
兩個你無法直接計算的高斯過程，若其中一個逐坐標地比另一個「更分散」，仍可被「比較」。斯萊皮安不等式及其蘇達科夫-費尼克精煉把這點精確化：若你增大中心化高斯過程中的間隙（差的變異數），就增大期望上確界。它們是讓你用較簡單的高斯最大值界定複雜者的比較工具，也是讓上確界的鏈式／熵綱領真正可計算的關鍵。
設 (X_t) 與 (Y_t) 為有限（或合適）指標集上的中心化高斯過程。斯萊皮安引理：若對所有 s != t 有 E[X_s X_t] <= E[Y_s Y_t]，同時對所有 t 有 E[X_t^2] = E[Y_t^2]（等變異數、較小的非對角相關），則 Y 在其上確界與事件序上隨機地較大，例如 P( max X_t <= a ) <= P( max Y_t <= a )；特別地 E[max X_t] <= E[max Y_t]。蘇達科夫-費尼克拋開等變異數要求，直接透過增量（典範）度量比較：若對所有 s, t 有 E[(X_s - X_t)^2] <= E[(Y_s - Y_t)^2]，則 E[sup X_t] <= E[sup Y_t]。故期望上確界對增量距離的大小單調——點在 L^2 意義下「相距更遠」的過程，其期望最大值更大。直覺：坐標間更分散，意味某坐標變大的機會更多。
重要性：蘇達科夫-費尼克是上確界理論的比較那一半。結合 Borell-TIS（處理波動），它讓你用你理解的模型過程 Y 的 E[sup Y_t] 界定未知過程的 E[sup X_t]，並支撐蘇達科夫經由填裝數對上確界的下界——Dudley 上界的對偶夥伴。一個誠實提醒：斯萊皮安的完整事件序需等變異數假設；蘇達科夫-費尼克僅給出「期望上確界」的不等式（非完整隨機支配），且兩者都確實需要高斯性——對一般過程它們不成立。
要界定相關高斯向量 X 的 E[max]，把它與一個獨立高斯向量 Y 比較，Y 具「相同」變異數但更大的增量距離（在給定變異數下，獨立性使 E[(Y_s - Y_t)^2] 最大）。蘇達科夫-費尼克於是給出 E[max X] <= E[max Y] 約為 sqrt(2 log n) sigma——正相關只會縮小期望最大值。
較大的 L^2 增量距離意味較大的期望上確界；正相關降低最大值（蘇達科夫-費尼克）。
斯萊皮安的完整序需等變異數；蘇達科夫-費尼克放寬此點但僅比較「期望上確界」，且兩者皆依賴高斯性——對一般過程皆不成立。