[論文レビュー] Asymptotic analysis of the cyclic structure of permutations

Robertas Petuchovas|arXiv (Cornell University)|Nov 9, 2016

Bayesian Methods and Mixture Models参考文献 30被引用数 3

ひとこと要約

本博士論文は、対称群 $\mathrm{S}_n$ 内の長周期や短周期をもたない置換の密度に関する漸近公式を、鞍点解析およびラプラス変換を用いて提示する。置換の巡回型分布とポアソン近似との全 Variation 距離に関する明確な漸近的推定値を確立し、ディクマント関数およびブッハスタット関数の精密な解析を通じて、既存の結果を著しく改善している。

ABSTRACT

This is my dissertation. Its research object is a symmetric group of permutations acting on a finite set. The density of permutations with a given cycle structure pattern is explored when the group order tends to infinity. New and sharper asymptotic formulas are obtained. The latter are applied in approximations of the cycle vector distribution of a random permutation. The saddle-point method, Lagrange-Bürmann inversion formula, Laplace transformations, and other techniques of complex analysis are applied.

研究の動機と目的

• 任意の $ r = r(n) \leq n $ に対して、$ \mathrm{S}_n $ 内の長さ $> r $ の巡回を一切持たない置換の割合に関する漸近公式を導出すること。
• 長さ $ \leq r $ の巡回をもたない置換の密度に関する鋭い漸近的推定値を、鞍点技法を用いて得ること。
• ランダム置換の巡回数分布と平均 $ 1/j $ を持つ多変量ポアソンモデルとの間の全 Variation 距離の漸近的挙動を特定すること。
• 密度 $ \nu(n,r) $ および $ \kappa(n,r) $ の推定値を改善することで、全 Variation 距離の漸近公式における誤差項を精緻化すること。
• 素因数分解の解析に用いられる数論的技法（例：素数の分布に関する手法）が、置換の巡回構造解析に応用可能であることを示すこと。

提案手法

• 生成関数と複素漸近法に基づき、特定の長さの巡回を避ける置換の数に関する漸近展開を導出するため、鞍点解析が用いられる。
• ディクマント関数およびブッハスタット関数のラプラス変換を用いて、巡回数分布の漸近的解析を精緻化する。
• 解析的数論の技法、特に整数の素因数分布を研究するのによく用いられる手法を援用し、それを置換の巡回構造に適応する。
• 主な要素として、ディクマント関数 $ \varrho(v) $、ブッハスタット関数 $ \omega(v) $、および $ \omega(v) - e^{-\gamma} $ の振動挙動を捉える関数 $ R(v) $ が用いられる。
• 和を範囲に分けて扱い、$ \varrho(v) $ および $ \omega(v) $ の変動性と連続性の性質に基づく誤差項を伴う積分近似を適用する。
• 関連関数の零点分布に関する結果を活用し、$ \omega(v) - e^{-\gamma} $ の符号の変化回数および振動数に関する境界を用いて、推定値を統合する。

実験結果

リサーチクエスチョン

• RQ1 任意の $ r = r(n) \leq n $ に対して、$ n \to \infty $ のとき、$ \mathrm{S}_n $ 内の長さ $> r $ の巡回をもたない置換の漸近的密度は何か？
• RQ2 任意の $ r = r(n) \leq n $ に対して、$ \mathrm{S}_n $ 内の長さ $ \leq r $ の巡回をもたない置換の漸近的密度は何か？
• RQ3 ランダム置換の巡回数ベクトルと平均 $ 1/j $ を持つ多変量ポアソンベクトルとの間の全 Variation 距離は、$ n \to \infty $ のときどのように漸近的に振る舞うか？
• RQ4 全 Variation 距離の漸近公式における誤差項は、$ \nu(n,r) $ および $ \kappa(n,r) $ の推定値を精緻化することで改善可能か？
• RQ5 素因数分解の解析に用いられる技法は、置換の巡回構造を研究するためにどの程度適応可能か？

主な発見

• 鞍点解析を用いて、長さ $> r $ の巡回をもたない置換の密度 $ \nu(n,r) $ について、すべての $ r = r(n) \leq n $ に対して漸近公式が確立され、これまでのすべての結果を上回る。
• 長さ $ \leq r $ の巡回をもたない置換の密度 $ \kappa(n,r) $ について、本論文は鞍点法を用いて、既存の研究を拡張・精緻化した新しい漸近的推定値を提供する。
• 全 Variation 距離 $ d_{TV}(n,r) $ は、$ \varrho(v) |\omega(u-v) - e^{-\gamma}| $ の積分を含む明確な漸近公式を満たし、誤差項は $ O\left( \frac{u^{3/2} \log^2(u+1)}{r} H(u) \right) $ で制御される。
• 全 Variation 距離 $ d_{TV}(n,r) $ の漸近公式における誤差項は $ O\left( \frac{u^{3/2} \log^2(u+1)}{r} H(u) \right) $ であることが示され、ここで $ H(u) \sim \int_1^u \varrho(u-v) R(v) dv $ であり、$ R(v) $ はブッハスタット関数の振動挙動を捉える。
• $ [1,u] $ 内で $ \omega(v) - e^{-\gamma} $ の符号の変化回数は $ O(u) $ で有界であり、これにより積分近似による和の推定が可能になる。
• 本研究の結果は、鞍点法をラプラス変換および数論的技法と組み合わせることで、置換の巡回構造を解析する強力なフレームワークが得られることを示している。