[論文レビュー] A note on the coupon - collector's problem with multiple arrivals and the random sampling

Marco Ferrante, Nadia Frigo|arXiv (Cornell University)|Sep 12, 2012

Random Matrices and Applications参考文献 6被引用数 3

ひとこと要約

本稿では、到着がグループ形式でかつ確率が非一様である場合に、すべての $ m $ 種類の切符を収集するために必要なサイズ $ g $ のグループの期待数を導出しており、古典的な切符収集問題を拡張している。この結果を有限母集団からの無作為抽出（復元なし）の問題に応用し、すべてのタイプを観測するために必要な期待的な標本数を計算的に高価だが正確な式として提示している。数値例と単一抽出（個別到着）のケースとの比較により検証されている。

ABSTRACT

In this note we evaluate the expected waiting time to complete a collection of coupons, in the case of coupons which arrives in groups of constant size, independently and with unequal probabilities. As an application we will be able to determine the expected number of samples of dimension g that we have to draw independently in order to observe all the types of individuals in a given population.

研究の動機と目的

• タイプの出現確率が非一様であるグループ到着の下で、すべての切符タイプを収集するために必要なサイズ $ g $ のグループ数の期待値を導出すること。
• 複数の到着と非一様確率の状況に一般化された古典的切符収集問題を拡張すること。
• 導出した式を、与えられた比率で多様なタイプを持つ有限母集団からの抽出（復元なし）の問題に応用すること。
• このような母集団において、すべてのタイプを観測するために必要なサイズ $ g $ の独立した標本の期待数を明示的に計算可能な式として提供すること。

提案手法

• 最大最小恒等式を用いて、収集済みのうち最後に出現する新しい切符タイプの到着までの期待待ち時間を計算する。
• 切符の到着をサイズ $ g $ のグループとしてモデル化し、各グループに含まれるタイプの確率は、復元なし抽出に基づいて導出する。
• 集合 $ S $ に対して、グループが $ S $ に属するタイプをすべて含まない確率を $ q(S) $ と定義し、順列を用いて計算する：$ q(i_1,\dots,i_k) = \frac{P(N - \sum N_{i_j}, g)}{P(N,g)} $。
• 最大幾何待ち時間の生存関数に包含除算法を適用し、タイプの部分集合の上での符号付き和を得る。
• 期待するグループ数の一般式を、$ S $ をタイプの部分集合として、$ 1 - q(S) $ の逆数の符号付き和として導出する。
• 特定の母集団構成に対して数値的に式を検証し、個別到着（単一抽出）のケースと比較する。

実験結果

リサーチクエスチョン

• RQ1 各タイプがグループ内に出現する確率が非一様である場合に、すべての $ m $ 種類の切符を収集するために必要なサイズ $ g $ のグループ数の期待値は何か？
• RQ2 多様なタイプ頻度を持つ有限母集団から復元なしで抽出する場合、期待される標本数はどのように変化するか？
• RQ3 包含除算法とグループレベルの確率を用いて、複数到着の非一様確率版の古典的切符収集問題を一般化できるか？
• RQ4 グループサイズ $ g $ と母集団の多様性 $ m $ に応じて、期待される標本数はどのようにスケーリングされるか。特に、希少なタイプが存在する場合にどうなるか？
• RQ5 現実的な母集団分布に対して、導出した式はシミュレーション結果とどの程度正確か？

主な発見

• タイプ数 $ m=4 $、各タイプの個数 $ N_1=10, N_2=100, N_3=500, N_4=1000 $ の母集団において、サイズ $ g=2 $ のグループを用いた場合、すべてのタイプを観測するために必要な期待グループ数は約 81.5 である。
• グループサイズ $ g=2 $ の場合、すべてのタイプを観測するための期待グループ数は、最も希少なタイプを観測するための期待値（80.7）とほとんど変わらない。これは、希少タイプが待ち時間の主な要因であることを示している。
• グループサイズ $ g $ が増加するにつれて、期待される標本数が増加することが、$ g=1 $ から $ 15 $ までの数値結果から明らかであり、直感に合致している（大きなグループは必要な引き出し回数を減らす）。
• 式 (8) は正確であるが、計算が高価であるため、$ m $ が小さい場合に限って使用可能である（注記 7 参照）。
• $ m=5 $ から $ 20 $ の範囲で、母集団の頻度がパrameter $ c=0.30 $、$ \theta=1.75 $ のマンドルブロット分布に従う場合、式はシミュレーション結果とよく一致する。
• 導出プロセスは一様確率の場合（スタージェの知られている結果）を一般化しており、等確率かつ単一到着の極限において、標準的な切符収集問題の結果を回復する。