[論文レビュー] Distributions of Angles in Random Packing on Spheres

Tommaso Cai, Jianqing Fan+1 more|arXiv (Cornell University)|Jun 2, 2013

Point processes and geometric inequalities参考文献 31被引用数 71

ひとこと要約

本稿は、p次元球面上のn個の独立同分布に従う一様乱数単位ベクトル同士の間の対になった角度の漸近的分布を分析し、固定次元および次元が増大する場合の両方において、極限の経験的分布および極値角の法則を導出する。高次元におけるランダムベクトルがほぼ直交することという広く知られた直観を厳密に裏付けるものであり、高次元では角度がπ/2のまわりにきわめて鋭く集中し、正規分布の極限が得られ、最小/最大角度には極値分布の極限が成立することを示している。

ABSTRACT

This paper studies the asymptotic behaviors of the pairwise angles among n randomly and uniformly distributed unit vectors in R^p as the number of points n -> infinity, while the dimension p is either fixed or growing with n. For both settings, we derive the limiting empirical distribution of the random angles and the limiting distributions of the extreme angles. The results reveal interesting differences in the two settings and provide a precise characterization of the folklore that "all high-dimensional random vectors are almost always nearly orthogonal to each other". Applications to statistics and machine learning and connections with some open problems in physics and mathematics are also discussed.

研究の動機と目的

• n → ∞ のとき、p次元球面 S^{p−1} 上のn個の独立同分布に従う一様ランダム単位ベクトル間の対になった角度の極限経験的分布を同定すること。
• 固定次元および次元が増大するスケーリングの両方において、このようなベクトル間の最小および最大角度の極限分布を導出すること。
• 『高次元におけるランダムベクトルはほぼ直交する』という広く引用されている直観の、厳密な理論的基盤を提供すること。
• 統計学、機械学習、および理論物理学における応用、特に高次元推論における誤った相関関係や正則性条件に関連して、得られた結果を結びつけること。
• 幾何確率およびランダム行列理論における未解決の問題を、ランダム角度の明確な集中および極値行動の確立によって解決すること。

提案手法

• S^{p−1} 上のn個のランダム単位ベクトル間のすべての対になった角度Θᵢⱼに対して、経験的分布測度μₙ = (1/binom(n,2)) Σ δ_{Θᵢⱼ} を用いる。
• 次元pが増大する場合、極限を安定化させるために、正規化された経験的分布μₙ,ₚ = (1/binom(n,2)) Σ δ_{√(p−2)(π/2 − Θᵢⱼ)} を導入する。
• 極値理論および球面調和関数の道具を用いて、正規化された極値角度統計量の弱収束を導出する。
• ラプラスの方法およびモーメント母関数の近似を用いて、角度分布の裾の挙動を分析する。
• sin(Θ)およびlog(1 − cos²(Θ)) = 2 log sin(Θ) を用いた変換を通じて、Θ_minおよびΘ_maxの極限法則を導出する。
• カップリングの議論と確率収束を用いて、高次元性のもとでΘ_min → π/2およびΘ_max → π/2が確率的に成立することを示す。

実験結果

リサーチクエスチョン

• RQ1 n → ∞ かつpを固定するとき、S^{p−1} 上のi.i.d.一様ランダム単位ベクトル間の対になった角度の極限経験的分布は何か？
• RQ2 nおよびpが両方とも増大するとき、角度の経験的分布はどのように振る舞い、どのような正規化が非退化な極限をもたらすか？
• RQ3 高次元空間におけるn個のランダム単位ベクトル間の最小および最大角度の極限分布は何か？
• RQ4 角度がπ/2のまわりに集中する程度は、次元pおよび標本サイズnにどのように依存するか？
• RQ5 高次元において、最小および最大角度がπ/2に収束する正確な速度は何か？また、nおよびpにどのように依存するか？

主な発見

• 固定pの場合、対になった角度の経験的分布は、[0, π] 上で密度h(θ) = (1/√π) · Γ(p/2)/Γ((p−1)/2) · (sin θ)^{p−2} に収束する。
• pがnとともに増大するとき、正規化された経験的分布は弱収束して正規分布に一致し、π/2のまわりの集中を確認する。
• pが固定またはゆっくり増大するとき、最小角度Θ_minはn → ∞ において確率的にπ/2に収束し、2p log sin Θ_min + 4 log n − log log n はワイブル型の極値分布に弱収束する。
• pが増大するとき、2p log sin Θ_min + 4 log n − log log n の極限分布はF(y) = 1 − exp{−K e^{(y+8β)/2}} で与えられ、K = (β/(8π(1−e^{−4β})))^{1/2} に依存する。
• pがlog nより速く増大するとき、最小角度Θ_minは確率的に0に収束し、正規化された極値角度統計量はガブリエル型の極値分布に収束する。
• 最大角度Θ_maxも高次元性のもとで確率的にπ/2に収束し、その対数変換の正規化された形に対しても同様の弱収束結果が成立する。