[논문 리뷰] Limit theorems for sequences of random trees

David J. Balding, Pablo A. Ferrari외 2명|ArXiv.org|2004. 06. 14.

Data Management and Algorithms참고 문헌 9인용 수 5

한 줄 요약

이 논문은 루트가 있는 트리의 컴팩트한 거리 공간에서 i.i.d. 랜덤 트리 수열에 대해 대수의 법칙과 불변성 원리를 수립하며, d-평균 트리를 평균 거리의 최소화자로 정의한다. 이를 바탕으로 경험 과정의 초과값을 이용한 콜모고로프-스미르노프 유형의 적합도 검정을 제안하며, 유도된 네트워크에서 최소 컷 알고리즘을 통해 계산적으로 효율적인 구현이 가능하여, 평균 트리가 동일한 경우에도 트리 분포에 대한 통계적 추론이 가능하다.

ABSTRACT

We consider a random tree and introduce a metric in the space of trees to define the ``mean tree'' as the tree minimizing the average distance to the random tree. When the resulting metric space is compact we have laws of large numbers and central limit theorems for sequence of independent identically distributed random trees. As application we propose tests to check if two samples of random trees have the same law.

연구 동기 및 목표

• 메트릭 공간 내에서 평균 거리의 최소화자로 d-평균 트리를 정의함으로써, 랜덤 트리 수열을 위한 통계 도구를 개발한다.
• 콤���트한 메트릭 공간에서 i.i.d. 랜덤 트리 수열에 대해 강한 대수의 법칙과 불변성 원리를 수립한다.
• 경험 과정의 초과값을 이용한 일반적인 적합도 검정을 제안한다.
• 네트워크 내 최소 컷 문제로의 변환을 통해 검정 통계량의 실용적 계산을 가능하게 한다.
• 모의 갈톤-워슨 트리와 실제 FGF 단백질 가족 데이터를 대상으로 방법을 검증한다.

제안 방법

• 모든 유한한 순서로 정렬된 정점 인덱스를 나타내는  Ṽ에 대해 {0,1}^Ṽ 위의 곱 위상으로 루트가 있는 트리의 메트릭 공간을 정의한다.
• ν-평균 거리의 평균값을 최소화하는 트리로 d-평균을 정의한다.
• 콤팩트성과 유일성 조건 하에서 경험적 d-평균이 거의 확실히 진짜 d-평균으로 수렴함을 증명한다.
• 메이저라이징 측도 조건과 레두크-탈라그랑드 정리를 이용해 (gₙ(y) − g(y)), y ∈ T의 과정에 대해 불변성 원리를 수립한다.
• T에 대해 y ∈ T에서 |gₙ(y) − g(y)|의 초과값으로 구성된 검정 통계량을 정의하며, 이는 귀무분포로부터의 이탈을 측정한다.
• 초과값의 계산을 유도된 네트워크 내 최소 컷 문제로 변환하여 그래프 알고리즘을 통해 효율적인 계산을 가능하게 한다.

실험 결과

연구 질문

• RQ1 트리의 메트릭 공간 내에서 i.i.d. 랜덤 트리 수열에 대해 대수의 법칙과 불변성 원리를 수립할 수 있는가?
• RQ2 d-평균은 랜덤 트리의 실제 분포에 대한 일致 추정자인가?
• RQ3 트리 공간 전체에서 경험 과정의 초과값이 적합도 검정의 유효한 통계량이 될 수 있는가?
• RQ4 큰 트리에 대해서도 검정 통계량의 계산이 실용적인가, 그리고 알려진 조합 최적화 문제로 환원될 수 있는가?
• RQ5 평균 트리가 동일한 경우에도, 서로 다른 트리 생성 과정을 구분할 수 있는가?

주요 결과

• 콤팩트성과 유일성 조건 하에서 경험적 d-평균이 거의 확실히 진짜 d-평균으로 수렴함을 보여, 추정자의 일致성을 입증한다.
• 과정 (gₙ(y) − g(y))에 대해 불변성 원리가 성립하며, 이는 초과값 이탈의 점근적 분포가 알려져 있음을 의미한다.
• 귀무가설 하에서 검정 통계량 sup_y |gₙ(y) − g(y)|는 분포에 관계없이 자유이며, 콜모고로프-스미르노프 유형 검정에 적합하다.
• 초과값의 계산은 유도된 네트워크 내 최소 컷 문제로 환원되어 다항식 시간 내에 계산이 가능하다.
• 이 방법은 평균 트리가 동일한 경우에도 서로 다른 갈톤-워슨 과정을 효과적으로 구분하고, FGF 단백질 가족을 분류하는 데 성공했다.
• 주어진 메트릭 하에서 트리 공간은 음의 곡률를 지니지 않으며, 이는 계통수 나무 공간과 같은 CAT(0) 공간과 구별된다.