[論文レビュー] A Quantitative Local Limit Theorem for Triangles in Random Graphs

Ross S. Berkowitz|arXiv (Cornell University)|Oct 5, 2016

Limits and Structures in Graph Theory参考文献 10被引用数 10

ひとこと要約

本稿は、固定された $p \in (0,1)$ に対して Erdős-Rényi 確率的グラフ $G(n,p)$ における三角形の数について、$p$-バイアス付きフーリエ解析を用いて、辺空間上での解析を行い、離散正規分布との距離に関する明示的な $\ell^1$ および $\ell^\infty$ 界を導出することにより、定量的局所極限定理を確立する。主な結果として、点ごとの誤差界が $O(n^{-2.5 + \epsilon})$、全変動距離の誤差界が $O(n^{-0.5 + \epsilon})$ であることが得られ、従来の定性的な結果を改善する。

ABSTRACT

In this paper we prove a quantiative local limit theorem for the distribution of the number of triangles in the Erdős-Renyi random graph $G(n,p)$, for a fixed $p\in (0,1)$. This proof is an extension of the previous work of Gilmer and Kopparty, who proved that the local limit theorem held asymptotically for triangles. Our work gives bounds on the $\ell^1$ and $\ell^\infty$ distance of the triangle distribution from a suitable discrete normal.

研究の動機と目的

• $G(n,p)$ における三角形数の分布が正規分布に収束する際の明示的・定量的界を提供すること。
• Gilmer と Kopparty (2014) の定性的な局所極限定理を、点ごとの距離および全般的な（$\ell^1$）距離における明示的な誤差率を含む形に拡張すること。
• 特に $\ell^1$ 距離において、従来の研究では得られていなかった三角形数の明示的誤差推定を、より厳密に得ること。
• グラフの空間における $p$-バイアス付きフーリエ解析を用いた枠組みを構築し、三角形数の特性関数を制御すること。

提案手法

• すべての辺集合からなる空間 $\{0,1\}^{\binom{n}{2}}$ 上での関数として三角形数を表現する。
• 部分集合 $S \subset \binom{n}{2}$ に対して、$p$-バイアス付きフーリエ基底 $\chi_S$ を用いて、三角形数関数を分解する。
• 特に小さな集合 $S$ に対応するフーリエ係数を評価し、特性関数を制御する。
• 特性関数を単一の辺 ($\chi_e$) と高次項 ($\chi_S$, $|S| \geq 2$) に分け、それぞれをモーメントの界によって推定する。
• フーリエ変数 $t$ のサイズに応じて、異なる部分グラフ $H$ を選ぶハイブリッド的手法を用い、中程度の $t$ の範囲ではマッチングを $H$ として選ぶことで、尾部の界を改善する。
• 確率的推定と指数モーメントの界を組み合わせ、$\mathbb{E}[e^{itZ}]$（三角形数の特性関数）を $t$ の異なる範囲にわたり制御する。

実験結果

リサーチクエスチョン

• RQ1 固定された $p$ に対して、$G(n,p)$ における三角形数の分布が正規分布に収束する定量的レートは何か？
• RQ2 三角形数と離散正規分布との間で、明示的な $\ell^1$ および $\ell^\infty$ 距離を確立できるか？
• RQ3 固定された $p$ に対して、三角形数の局所極限定理における誤差項は $n$ に対してどのようにスケーリングされるか？
• RQ4 Gilmer と Kopparty の定性的な局所極限定理を、$O(n^{-2.5 + \epsilon})$ の明示的誤差界を含む形に強化できるか？
• RQ5 $p$-バイアス付きフーリエ解析は、三角形数の特性関数に対するより厳密な界を得るために果たす役割は何か？

主な発見

• 点ごとの局所極限定理において、$\Pr[\mathcal{T} = k]$ の誤差界が $O(n^{-2.5 + \epsilon})$ に達し、Gilmer と Kopparty (2014) の $o(n^{-2})$ の誤差を改善している。
• 平均から $O(\sigma_n)$ の範囲内にある $k$ に対して、$\Pr[\mathcal{T} = k]$ は正規密度の乗法的因子 $1 + O(n^{-0.5 + \epsilon})$ の範囲内にあり、これは多項式要因を除いて最適である。
• $\ell^1$ 距離として、三角形数分布と対応する離散正規分布との間の距離が $O(n^{-0.5 + \epsilon})$ で抑えられ、これは三角形数に対して初めてのこのような定量的界である。
• 証明により、特性関数 $|\varphi_{\mathcal{T}}(t)| \leq O(n^{-0.5 + \epsilon})$ が $t$ の中程度の範囲で成り立つことが示され、全体の誤差制御に寄与している。
• $p$-バイアス付きフーリエ解析の使用により、分散および高次フーリエ係数の精密な制御が可能となり、改善された誤差界の導出が可能になった。
• この手法は、三角形数の依存構造を、低次のフーリエ成分への分解と、高次項の寄与の界の評価によってうまく扱っている。