[論文レビュー] Sparsification of Phylogenetic Covariance Matrices of k-Regular Trees

Svihla, Sean, Lladser, Manuel E.|arXiv (Cornell University)|Feb 10, 2023

Stochastic processes and statistical mechanics被引用数 2

ひとこと要約

この論文は、連続時間のランダム二分木過程である臨界定数ベータスプリットリングランダム木モデルを分析している。スプリット確率は 1/(i(n−i)) に比例し、停止時間は率 hm−1 の指数分布に従う。再帰的不等式とラプラス変換の手法を用いて、葉の時間高さ Dn およびエッジ高さ Ln の鋭い漸近的性質を導出し、中心極限定理（CLT）を証明するとともに、Dn/log n および Ln/log²n が確率的に定数に収束することを示した。主な貢献は、このモデルの高さおよび相関構造の厳密な漸近的解析を、新規の再帰的技法によって達成したことである。

ABSTRACT

Consider a tree T = (V,E) with root ∘ and an edge length function 𝓁:E → ℝ_+. The phylogenetic covariance matrix of T is the matrix C with rows and columns indexed by L, the leaf set of T, with entries C(i,j): = ∑_{e ∈ [i∧ j,o]}𝓁(e), for each i,j ∈ L. Recent work [Gorman & Lladser 2023] has shown that the phylogenetic covariance matrix of a large but random binary tree T is significantly sparsified, with overwhelmingly high probability, under a change-of-basis to the so-called Haar-like wavelets of T. Notably, this finding enables manipulating the spectrum of covariance matrices of large binary trees without the necessity to store them in computer memory but instead performing two post-order traversals of the tree [Gorman & Lladser 2023]. Building on the methods of the aforesaid paper, this manuscript further advances their sparsification result to encompass the broader class of k-regular trees, for any given k ≥ 2. This extension is achieved by refining existing asymptotic formulas for the mean and variance of the internal path length of random k-regular trees, utilizing hypergeometric function properties and identities.

研究の動機と目的

• 臨界定数ベータスプリットリングランダム木モデルを分析すること。これは、スプリット確率が 1/(i(m−i)) に比例する非標準的なランダム木過程である。
• 一様ランダムな葉の時間高さ Dn およびエッジ高さ Ln の最初の2つのモーメントの鋭い漸近的表現を導出すること。
• Dn および Ln に対する中心極限定理（CLT）を確立し、正規化された高さ統計量の確率的収束を証明すること。
• 2つのランダムな葉の高さの相関を調べ、木における部分木のサイズ分布を分析すること。
• モデルに現れる和型再帰関係の解をバウンドするための、再帰的不等式とラプラス変換に基づく新規な手法を開発すること。

提案手法

• m 個の葉が率 hm−1（(m−1)番目の調和数）でスプリットする連続時間過程として木をモデル化する。
• Dn を一様ランダムな葉の時間高さ（出現時刻）と定義し、Ln をそのパスに沿ったスプリット回数（エッジ高さ）とする。
• E[Dn]、var(Dn)、E[Ln]、var(Ln] の和型再帰関係の明示的解を再帰的不等式でバウンドする。
• 生成関数の解析にラプラス変換を適用し、特性関数に依存しない手法を採用する。
• 補助的な数列を構築して、再帰的不等式を満たすようにし、モーメントの一致する上界と下界を証明する。
• E[Xn(t)]（t 個の葉を持つ部分木の期待数）に関する再帰関係を用いて、部分木サイズの分布を分析し、極限分布への収束を証明する。

実験結果

リサーチクエスチョン

• RQ1 臨界定数ベータスプリットリング木における一様ランダムな葉の時間高さ Dn の平均および分散の鋭い漸近的表現は何か？
• RQ2 エッジ高さ Ln の極限分布は何か？ また、中心極限定理を満たすか？
• RQ3 2つの独立に選ばれたランダムな葉の高さの相関はどのように変化するか？ そして n → ∞ のとき相関は 0 に収束するか？
• RQ4 一様ランダムな部分木のサイズの極限分布は何か？ また、その部分木の平均サイズの漸近的性質は何か？
• RQ5 Dn/log n および Ln/log²n は確率的に定数に収束するか？ また、最大高さの尾部バウンドは何か？

主な発見

• E[Dn] = ζ(2)⁻¹ log n + c₀ − ½ζ(2) n⁻¹ + O(n⁻²)，c₀ は数値的に推定され、var(Dn) = 2ζ(3)/ζ³(2) log n + O(1)。
• E[Ln] = ½ζ(2)⁻¹ log²n + (γζ(2) + ζ(3))/ζ²(2) log n + O(1)，var(Ln) = 2ζ(3)/(3ζ³(2)) log³n + O(1)。
• Dn/log n および Ln/log²n は確率的に定数に収束し、尾部バウンド P(Dn ≥ (2+ε) log n) ≤ n⁻ρε および P(Ln ≥ (1+ε)β log²n) ≤ exp(−Θ(ε log n)) を満たす。
• 2つのランダムな葉の時間高さの相関係数 rn は rn = O(log⁻¹n) を満たし、漸近的に無相関であることが示される。
• 一様ランダムな部分木のサイズ分布は、適切な極限分布 {u(t)}t≥1 に収束し、期待サイズは漸近的に 3/(2π²) log²n に比例する。
• Dn および Ln に対して中心極限定理が成立する：中心化およびスケーリングを行った後、標準正規分布に収束する。