[論文レビュー] Optimal Single Sample Tests for Structured versus Unstructured Network Data

Guy Bresler, Nagaraj, Dheeraj|arXiv (Cornell University)|Feb 17, 2018

Statistical Methods and Inference参考文献 16被引用数 6

ひとこと要約

本稿では、モデルのパラメータ（例えば逆温度βやエッジ確率）を事前に知らない状況下で、スパースなグラフ上のイジングモデルなどの構造的ネットワークモデルを、エレーデシュ＝レニー（Erdős-Rényi）やキュリー＝ヴァイス分布などの非構造的モデルから区別する、最適な1サンプル仮説検定を提案する。この手法は、ハミング球上での二次形式の集中性を利用し、逆温度パラメータβにおける鋭い閾値を特定することで最適性を達成する。具体的には、β√(nd) → ∞ となる領域で検出が可能となる。

ABSTRACT

We study the problem of testing, using only a single sample, between mean field distributions (like Curie-Weiss, Erdős-Rényi) and structured Gibbs distributions (like Ising model on sparse graphs and Exponential Random Graphs). Our goal is to test without knowing the parameter values of the underlying models: only the \emph{structure} of dependencies is known. We develop a new approach that applies to both the Ising and Exponential Random Graph settings based on a general and natural statistical test. The test can distinguish the hypotheses with high probability above a certain threshold in the (inverse) temperature parameter, and is optimal in that below the threshold no test can distinguish the hypotheses. The thresholds do not correspond to the presence of long-range order in the models. By aggregating information at a global scale, our test works even at very high temperatures. The proofs are based on distributional approximation and sharp concentration of quadratic forms, when restricted to Hamming spheres. The restriction to Hamming spheres is necessary, since otherwise any scalar statistic is useless without explicit knowledge of the temperature parameter. At the same time, this restriction radically changes the behavior of the functions under consideration, resulting in a much smaller variance than in the independent setting; this makes it hard to directly apply standard methods (i.e., Stein's method) for concentration of weakly dependent variables. Instead, we carry out an additional tensorization argument using a Markov chain that respects the symmetry of the Hamming sphere.

研究の動機と目的

• 1つのサンプルを用いて、d正則グラフ上のイジングモデルなどの構造的ネットワークモデルを、キュリー＝ヴァイス、エレーデシュ＝レニー（Erdős-Rényi）などの非構造的モデルから区別する仮説検定を開発すること。
• 逆温度βやエッジ確率などのモデルパラメータを事前に知らない状況で、この目標を達成すること。
• 検出が可能な鋭い統計的閾値を特定すること。この閾値は、その下ではいかなる検定でも成功できないという意味で最適性を有する。
• グローバル統計量の弱い依存性と高い分散という課題を、ハミング球に制限することで克服すること。
• βに関する導出された閾値以下の領域でいかなる代替検定でも成功できないことを証明することで、検定の最適性を確立すること。

提案手法

• ハミング球に制限することで分散を低減する、ネットワークサンプルの二次形式に基づく一般的な統計的検定を提案する。
• ハミング重みを条件付きとした測度下での二次形式の分布近似と鋭い集中不等式を用いる。
• 弱い依存性に対処し、濃度バインディングを可能にするために、ハミング球上での対称マルコフ連鎖を用いたテンソル化の議論を採用する。
• テスト統計量のモーメント生成関数（MGF）を制御するため、Steinの方法とη-Stein対を用いることで、サブガウス型の尾部制御を実現する。
• モデルの十分統計量に一致させるために、β₁とβ₂を巧みに選択することで、条件付き統計量g(X|E(X)=m)のMGFにバインドを導出する。
• テスト統計量がハミング球上でその平均のまわりに集中することを確立し、これにより構造的・非構造的モデルの信頼性の高い区別が可能になる。

実験結果

リサーチクエスチョン

• RQ1 d正則グラフ上のイジングモデルとキュリー＝ヴァイスモデルを、1つのサンプルで区別する際の、逆温度βにおける最適閾値は何か？
• RQ2 モデルパラメータの知識がなくとも、1サンプル検定によって構造的ギブス分布（例：イジング）と平均場モデル（例：エレーデシュ＝レニー）を区別できるか？
• RQ3 なぜハミング球に制限することで、グローバル統計量が失敗する高温領域でも検出が可能になるのか？
• RQ4 グローバル統計量をハミング球に制限した場合、分散はどのように変化するのか？なぜこれが濃度に重要なのか？
• RQ5 検出閾値と、元のモデルにおける長距離秩序の有無との関係は何か？

主な発見

• 検出はβ√(nd) → ∞ となる領域で高確率で達成され、この閾値は最適である。その下ではいかなる検定でも成功できない。
• 2スターエクスポネンシャル・ランダム・グラフ（Exponential Random Graph）モデルにおける検出閾値β = Θ(1/√n)は鋭く、長距離秩序の欠如に対応する。
• ハミング球に制限することで、i.i.d.の場合と比較して分散が著しく低減され、弱い依存性の中でも濃度が達成可能になる。
• KLダイバージェンスや全 Variation 分離に依存することなく、βなどの自然なモデルパラメータを用いることで、この手法は成功する。
• Stein対とテンソル化を用いてテスト統計量のMGFをバインドし、サブガウス型の尾部バインディングを導出し、濃度を支持する。
• このフレームワークは、イジングモデルとエクスポネンシャル・ランダム・グラフの両方へ広く適用可能であり、同一のコア検定構造と閾値行動を示す。