[논문 리뷰] Moderate deviations in random graphs and Bernoulli random matrices

Hanna Döring, Peter Eichelsbacher|arXiv (Cornell University)|2009. 01. 21.

Random Matrices and Applications참고 문헌 18인용 수 4

한 줄 요약

이 논문은 로그 라플라스 변환 추정과 가르트너-엘리스 정리를 사용하여 에르되시-레니 공작 그래프에서의 하위그래프 수와 베르누이 랜덤 행렬의 추적에 대해 중간 편차 원리(MDP)를 수립한다. 주요 기여는 하위그래프 수에 대한 상부 尾 확률 바ounds를 증명하고, 간선 확률 $ p(n) $ 에 대한 일반 조건 하에서 독립 또는 마코비안 입자들을 가진 대칭 U-통계량으로 MDP를 확장하는 것이다.

ABSTRACT

We prove a moderate deviation principle for subgraph count statistics of Erdos-Renyi random graphs. This is equivalent in showing a moderate deviation principle for the trace of a power of a Bernoulli random matrix. It is done via an estimation of the log-Laplace transform and the Gaertner-Ellis theorem. We obtain upper bounds on the upper tail probabilities of the number of occurrences of small subgraphs. The method of proof is used to show supplemental moderate deviation principles for a class of symmetric statistics, including non-degenerate U-statistics with independent or Markovian entries.

연구 동기 및 목표

• 에르되시-레니 무작위 그래프에서 간선 확률 $ p(n) $ 를 가진 하위그래프 수 통계량에 대한 중간 편차 원리(MDP)를 수립하는 것.
• 하위그래프 수 통계량으로 동치인, 베르누이 랜덤 행렬의 거듭제곱의 추적으로 MDP를 확장하는 것.
• 무작위 그래프에서 소형 하위그래프의 발생 수에 대한 날카운 상부 尾 확률 바ounds를 도출하는 것.
• 독립 또는 마코비안 입자를 가진 대칭 U-통계량의 클래스로 MDP를 일반화하는 것.
• 서브그래프 수에 대해 큰 편차와 중간 편차가 해결되지 않은 데서 발생하는 문헌의 격차를 메우기 위해 엄밀한 중간 편차 분석을 제공하는 것.

제안 방법

• 하위그래프 수 통계량의 로그 라플라스 변환을 사용하여 중간 편차를 분석한다.
• 가르트너-엘리스 정리를 적용하여 스케일링된 하위그래프 수 $ Z $ 에 대한 중간 편차 원리를 수립한다.
• 의존적인 하위그래프 수를 독립 랜덤 변수의 합으로 근사하기 위해 투영 기법을 사용한다.
• 정규화된 통계량의 두 번째 및 세 번째 모멘트에 대한 명시적 바ounds를 통해 분산과 고차 누산량을 추정한다.
• 잔여 항의 누산량 전개에서 제어하기 위해 마틴게일 차이 방법과 농도 부등식을 사용한다.
• 누산량 기반의 지수 기울기 파rameter의 정교한 선택을 사용한 체비셰프 유사 부등식을 적용하여 尾 바ounds를 도출한다.

실험 결과

연구 질문

• RQ1 에르되시-레니 무작위 그래프에서 하위그래프 수가 일반적인 간선 확률 $ p(n) $ 하에서 중간 편차 원리를 만족하는가?
• RQ2 중간 편차 원리는 하위그래프 수에서 베르누이 랜덤 행렬의 거듭제곱의 추적으로 확장될 수 있는가?
• RQ3 무작위 그래프에서 소형 하위그래프의 발생 수에 대한 날카운 상부 尾 바ounds는 무엇인가?
• RQ4 정규화된 하위그래프 수 $ Z $ 가 MDP 프레임워크 하에서 중심극한정리 조건을 만족하는 조건은 무엇인가?
• RQ5 의존성 또는 마코비안 입자를 가진 비퇴화 U-통계량으로 MDP를 일반화할 수 있는가?

주요 결과

• 조건 $ np^{3(k-1/2)} \to \infty $ 와 $ n^2(1-p)^{3/2} \to \infty $ 하에서 스케일링된 하위그래프 수 $ Z $ 에 대해 중간 편차 원리가 증명된다. 이 조건들은 이전 중심극한정리 결과보다 더 강력하다.
• 하위그래프 수 $ W $ 에 대한 상부 尾 바ounds는 $ P(W - \mathbb{E}W \geq \varepsilon \mathbb{E}W) \leq \exp\left( -\frac{c \varepsilon^2 n^{2l} p^{2k}}{n^{2l-2} p^{2k-1}(1-p)} \right) $ 로 유도되며, 이는 중간 편차 영역에서 지수적 감소를 보여준다.
• Z의 점근적 분산은 1로 수렴하여, 정규화 상수 $ c_{n,p} $ 가 중심극한정리 스케일링과 일치함을 확인한다.
• 이 방법은 모멘트 생성함수 수렴을 통한 연속성 정리에 의해 더 강력한 모멘트 조건 하에서 Z에 대한 중심극한정리의 대체 증명을 제공한다.
• MDP는 독립 또는 마코비안 입자를 가진 대칭 U-통계량의 클래스로 확장되어, 하위그래프 수를 넘어서 일반화된 결과를 도출한다.
• 제시된 조건 하에서 누산량 전개의 잔여항 $ d(n) $ 는 $ n \to \infty $ 일 때 0으로 수렴하며, 가르트너-엘리스 프레임워크에서 수렴을 보장한다.