[논문 리뷰] Iterating random functions on a finite set

William M. Y. Goh, Paweł Hitczenko외 1명|ArXiv.org|2002. 07. 29.

Mathematical Dynamics and Fractals참고 문헌 7인용 수 9

한 줄 요약

이 논문은 [n] 위에서 t개의 독립적이고 균일한 랜덤 함수의 조합이 상수 함수가 되는 데까지 걸리는 시간 T의 분포를 분석한다. 특성 함수 분석과 적분 경로 적분을 사용하여 n→∞일 때 T/n의 점근적 분포를 도출하며, 누적 분포 함수 ∫₀ˣ f(y) dy로 수렴하는 밀도 함수 f(x) = ∑_{k≥2} (−1)^k e^{−(k choose 2)x} (k choose 2)(2k−1)를 보여준다.

ABSTRACT

Let f_1,f_2,..., be functions chosen independently and uniformly from the set of all functions from a set of cardinality n into itself. Let g_t be the composition of the first t functions, and let T be the smallest t for which g_t is constant. We find the limiting distribution of T/n, as n --> infinity.

연구 동기 및 목표

• n개 원소의 집합 [n] 위에서 i.i.d. 랜덤 함수의 조합이 처음으로 상수 함수가 되는 시간 T의 점근적 분포를 규명하는 것.
• n→∞일 때 랜덤 변수 T의 행동, 특히 T/n의 분포를 분석하는 것.
• 결과가 '잘 알려져 있다'고 여겨지지만, T/n에 대한 점근적 밀도 함수의 엄밀한 유도를 제공하는 것.
• 큰 범위 단계(m > log log n)가 T에 기여하는 기댓값이 무시할 수 있음을 입증하여 합의 길이를 잘라내는 데 기여하는 것.

제안 방법

• T를 초기 단계(m ≤ log log n)에 해당하는 T₁과 후기 단계에 해당하는 T₂로 분해하며, E[T₂] = o(n)임을 보임.
• 방문한 상태의 집합이 주어진 조건부 독립성을 이용해, 범위 크기가 m인 단계에서의 스텝 수 τₘ을 모델링함.
• 특성 함수 기법을 적용하여 E[e^{itT₁} | A]를 분석함. 여기서 A는 범위 크기 2에서 log log n까지의 모든 범위가 방문된 사건임.
• λₘ = ∏_{j=1}^{m−1}(1 − j/n) ≈ 1 − (m choose 2)/n로 근사하는 점근적 근사를 적용하여 특성 함수 φₙ(t)를 도출함.
• 무한 곱의 항등식과 감마 함수의 반사 공식을 활용해 특성 함수를 단순화함.
• 복소수 평면에서의 적분 경로를 이용해 특성 함수를 역으로 변환하며, t = −i(k choose 2)에서 극을 식별함으로써 밀도 f(x)를 도출함.

실험 결과

연구 질문

• RQ1 n→∞일 때 T/n의 점근적 분포는 무엇인가? 여기서 T는 [n] 위에서 i.i.d. 랜덤 함수의 조합이 처음으로 상수 함수가 되는 시간이다.
• RQ2 범위 크기가 log log n에 가까운 중간 단계(m ≈ log log n)가 총 시간 T에 미치는 영향은 어떠한가?
• RQ3 T₁/n의 특성 함수를 점근적으로 근사하여 점근적 밀도를 도출할 수 있는가?
• RQ4 방문한 상태의 집합은 τₘ에 대한 조건부 독립성을 어떻게 가능하게 하는가?
• RQ5 유도된 점근적 밀도 f(x)는 Kingman의 공통 조상 과정과 같은 알려진 과정과 어떤 관계가 있는가?

주요 결과

• n→∞일 때 T/n의 점근적 분포는 F(x) = ∫₀ˣ f(y) dy로 주어지며, 여기서 f(y) = ∑_{k≥2} (−1)^k e^{−(k choose 2)y} (k choose 2)(2k−1)이다.
• T₁/n의 특성 함수는 φ(t) = −2πit / cos(π/2 √(1 + 8it))로 수렴하며, 이는 복소수 적분을 통해 역변환되어 밀도 f(x)를 도출한다.
• 범위 크기 2에서 log log n까지의 모든 범위가 방문된 사건 A의 확률은 Pr(A) = 1 − o(1)임을 보여, 분석에서의 조건부 기대값 설정이 타당함을 입증한다.
• m > log log n인 단계가 T에 기여하는 기댓값은 무시할 수 있음: E[T₂] = o(n)이므로, T₂/n → 0 in probability이다.
• 점근적 밀도 f(x)는 각 k ≥ 2에 대해 (k choose 2)의 비율로 지수 감소하며, (−1)^k 요소로 인해 부호가 번갈아가며 나타난다.
• 결과는 T/n의 분포가 약한 수렴을 통해 F(x)로 수렴함을 확인하며, F는 연속이므로 극한이 잘 정의되어 있고 비퇴화되어 있음을 보여준다.