[논문 리뷰] A note on the coupon - collector's problem with multiple arrivals and the random sampling

Marco Ferrante, Nadia Frigo|arXiv (Cornell University)|2012. 09. 12.

Random Matrices and Applications참고 문헌 6인용 수 3

한 줄 요약

이 논문은 도착이 그룹으로 이루어지고 확률이 비균형일 때, 모든 $ m $ 종류의 쿠폰을 수집하기 위해 필요한 크기 $ g $ 의 그룹 수의 기대값을 유도한다. 이는 고전적인 쿠폰 수집 문제를 확장한 것으로, 유한한 모집단에서 무작위로 추출을 반복하지 않을 경우에 적용된다. 이를 통해 모든 종류를 관찰하기 위해 필요한 표본 수의 계산이 매우 복잡하지만 정확한 공식을 제공하며, 수치 예제와 단일 추출 사례와의 비교를 통해 검증된다.

ABSTRACT

In this note we evaluate the expected waiting time to complete a collection of coupons, in the case of coupons which arrives in groups of constant size, independently and with unequal probabilities. As an application we will be able to determine the expected number of samples of dimension g that we have to draw independently in order to observe all the types of individuals in a given population.

연구 동기 및 목표

• 쿠폰이 비균형 확률로 그룹으로 도착할 때, 모든 쿠폰 종류를 수집하기 위해 필요한 크기 $ g $ 의 그룹 수의 기대값을 유도하는 것.
• 고전적인 쿠폰 수집 문제를 다중 도착 및 비균일 확률의 경우로 확장하는 것.
• 유도된 공식을 비균형적인 비율로 구성된 유한 모집단에서의 추출 없이 시행하는 문제에 적용하는 것.
• 이러한 모집단에서 모든 종류를 관찰하기 위해 필요한 크기 $ g $ 의 독립된 표본 수의 기대값에 대한 계산적으로 명시적인 공식을 제공하는 것.

제안 방법

• 최대-최소 항등식을 사용하여 수집 과정에서 마지막으로 새롭게 나타나는 쿠폰 종류가 나타나는 데 걸리는 기대 시간을 계산한다.
• 쿠폰의 도착을 크기 $ g $ 의 그룹으로 모델링하며, 각 그룹은 추출 없이 시행할 때 유도된 확률을 가진 서로 다른 종류를 포함한다.
• 집합 $ S $ 에 속한 종류를 포함하지 않는 그룹이 발생할 확률을 $ q(\text{set}) $ 로 정의하며, 순열을 통해 계산한다: $ q(i_1,\dots,i_k) = \frac{P(N - \sum N_{i_j}, g)}{P(N,g)} $.
• 최대 기하 대기 시간의 생존함수에 포함-배제 원리를 적용하여 종류의 부분집합에 대한 부호가 붙은 합으로 이어진다.
• 기대값에 대한 일반 공식을 유도하며, 이는 부분집합 $ S $ 에 대해 $ 1 - q(S) $ 의 역수에 대한 정수 계수의 부호가 붙은 합으로 표현된다.
• 특정 모집단 구성에 대해 공식을 수치적으로 검증하고, 단일 도착 사례와 비교한다.

실험 결과

연구 질문

• RQ1 각 종류가 그룹에 비균형 확률로 나타날 때, 모든 $ m $ 종류의 쿠폰을 수집하기 위해 크기 $ g $ 의 그룹이 필요한 기대값은 얼마인가요?
• RQ2 비균형적인 종류 빈도를 가진 유한 모집단에서 추출 없이 시행할 경우, 기대 표본 수는 어떻게 변화합니까?
• RQ3 포함-배제 원리와 그룹 수준의 확률을 사용하여 다중 도착인 쿠폰 수집 문제를 비균형 확률으로 일반화할 수 있는가요?
• RQ4 특히 일부 종류가 희귀할 경우, 기대 표본 수는 그룹 크기 $ g $ 와 모집단 다양성 $ m $ 와 어떻게 관련이 있나요?
• RQ5 실제 모집단 분포에 대해 시뮬레이션 결과와 비교했을 때, 유도된 공식의 정확도는 어느 정도인가요?

주요 결과

• 모집단에서 $ m=4 $ 종류이며, 카운트 $ N_1=10, N_2=100, N_3=500, N_4=1000 $ 일 때, 크기 $ g=2 $ 의 그룹을 사용해 모든 종류를 관찰하기 위해 필요한 기대 그룹 수는 약 81.5이다.
• 크기 $ g=2 $ 일 때, 모든 종류를 관찰하기 위한 기대 그룹 수는 희귀 종류를 관찰하기 위한 기대값(80.7)과 약간 뿐만 높으며, 이는 희귀 종류가 대기 시간을 지배함을 시사한다.
• 수치 결과에 따르면, 그룹 크기 $ g $ 가 증가함에 따라 기대 표본 수가 증가하며, 이는 직관에 부합한다: 더 큰 그룹은 필요한 횟수를 줄인다.
• 공식 (8) 은 정확하지만 계산이 매우 복잡하여, 주어진 비고 7 에서 언급된 바와 같이 작은 $ m $ 에서만 사용 가능하다.
• $ m=5 $ 에서 $ 20 $ 까지의 경우, 모집단 비율이 매개수 $ c=0.30 $, $ \theta=1.75 $ 를 가진 만델브로트 분포를 따를 때, 공식은 시뮬레이션 결과와 잘 일치한다.
• 유도 과정은 균일한 경우(스타드제에 의해 알려진 바 있음)를 일반화하며, 동일한 확률과 단일 도착의 극한에서 표준 쿠폰 수집 결과를 회복한다.