[논문 리뷰] Novel Characteristics of Split Trees by use of Renewal Theory

Cecilia Holmgren|arXiv (Cornell University)|2010. 05. 25.

Stochastic processes and statistical mechanics참고 문헌 12인용 수 6

한 줄 요약

이 논문은 분할 트리—이진 탐색 트리와 트라이와 같은 광범위한 랜덤 트리의 클래스—에 복원 이론을 적용하여 정점 깊이의 더 날카운 꼬리 경계를 분석하고 깊이 분산에 대한 최초의 점근적 표현을 유도한다. 이는 일반 깊이 $\frac{\ln n}{\mu}$에서 크게 벗어난 깊이를 가진 정점의 수가 급격히 감소함을 보이며, 복원 이론에 기반한 확률론적 및 해석적 기법을 사용하여 깊이 관련 통계의 정밀한 점근적 전개를 증명한다.

ABSTRACT

We investigate characteristics of random split trees introduced by Devroye; split trees include for example binary search trees, $m$-ary search trees, quadtrees, median of $(2k+1)$-trees, simplex trees, tries and digital search trees. More precisely: We introduce the use of renewal theory in the studies of split trees, and use this theory to prove several results about split trees. A split tree of cardinality $n$ is constructed by distributing $n$ "balls" (which often represent "key numbers") in a subset of vertices of an infinite tree. One of our main results is to give a relation between the deterministic number of balls $n$ and the random number of vertices $N$. Devroye has found a central limit law for the depth of the last inserted ball so that most vertices are close to $\frac{\ln n}μ+\mathcal{O}\Big(\sqrt{\ln n}\Big)$, where $μ$ is some constant depending on the type of split tree; we sharpen this result by finding an upper bound for the expected number of vertices with depths $\geq\frac{\ln n}μ+\ln^{0.5+ε} n$ or depths $\leq\frac{\ln n}μ+\ln^{0.5+ε} n$ for any choice of $ε>0$. We also find the first asymptotic of the variances of the depths of the balls in the tree.

연구 동기 및 목표

• 이 맥락에서 새로운 접근법인 복원 이론을 사용하여 랜덤 분할 트리의 깊이 분포를 분석하는 것.
• 마지막으로 삽입된 공의 깊이에 대한 기존 중심극한법칙을 개선하여 더 날카운 꼬리 경계를 제공하는 것.
• 분할 트리에서 정점 깊이의 분산에 대한 최초의 점근적 표현을 도출하는 것.
• 분할 트리에서 결정론적 공의 수 $n$과 랜덤 정점 수 $N$ 사이의 정밀한 관계를 설정하는 것.
• 깊이 변동이 $\sqrt{\ln n}$을 초월하는 정도를 정량화하여 분할 트리의 깊이 변동에 대한 이해를 확장하는 것.

제안 방법

• 분할 트리의 확률적 성장 과정을 모델링하기 위해 복원 이론을 사용하며, 깊이 증분을 복원 과정으로 간주한다.
• 기대 정점 수를 극단적 깊이에서 분석하기 위해 복원 보상 정리(renwal reward theorem)를 적용한다.
• 복원 과정 프레임워크를 사용하여 깊이 이탈의 농도 경계를 도출하며, 깊이가 $\frac{\ln n}{\mu} + \ln^{0.5+\epsilon}n$을 초과할 확률이 급격히 감소함을 보인다.
• 깊이 변동을 제어하기 위해 $\Omega_L$ 사건에서 조건부 기대값과 분산 분석을 수행하며, 여기서 $L = \lfloor \beta \log_b \ln n \rfloor$이다.
• 깊이 관련 합의 분산을 제어하기 위해 코시-슈바르츠 부등식과 순간 경계를 활용한다.
• 점근적 전개와 오차 분해를 적용하여 깊이 통계의 최초 항 분산 표현과 고차항 보정을 도출한다.

실험 결과

연구 질문

• RQ1 어떻게 복원 이론을 체계적으로 적용하여 무작위 분할 트리의 깊이 분포를 분석할 수 있는가?
• RQ2 특히 $\ln^{0.5+\epsilon}n$ 정도의 이탈에 대해 분할 트리의 정점 깊이의 정밀한 꼬리 행동은 어떠한가?
• RQ3 분할 트리에서 $n$개의 공의 깊이 분산에 대한 첫 번째 점근적 표현은 무엇인가?
• RQ4 랜덤 정점 수 $N$과 결정론적 공의 수 $n$ 사이의 관계는 어떠한가?
• RQ5 높이 $L = \lfloor \beta \log_b \ln n \rfloor$인 부트리에 대한 깊이 관련 합의 점근적 행동은 어떠한가?

주요 결과

• 깊이 $\geq \frac{\ln n}{\mu} + \ln^{0.5+\epsilon}n$ 또는 $\leq \frac{\ln n}{\mu} - \ln^{0.5+\epsilon}n$인 정점의 기대 수는 임의의 $\epsilon > 0$에 대해 $o(1)$이며, 이는 일반 깊이 주변으로의 강한 집중을 시사한다.
• 분할 트리에서 $n$개의 공의 깊이 분산에 대한 첫 번째 점근적 표현이 도출되었으며, 깊이 변동의 정밀한 특성화를 제공한다.
• 임의의 $\epsilon > 0$에 대해, 정점의 깊이가 구간 $\left[\frac{\ln n}{\mu} - \ln^{0.5+\epsilon}n, \frac{\ln n}{\mu} + \ln^{0.5+\epsilon}n\right]$ 외부에 있을 확률은 $n \to \infty$일 때 0으로 수렴하며, 이는 강한 집중을 확인한다.
• 논문은 $\Gamma_n = n \sum_{\alpha \in S} \alpha b_{\alpha B} c_\alpha + o(\epsilon n)$을 확립하며, 깊이 영역 내 정점 수의 정밀한 점근적 표현을 암시한다.
• 합 $\sum_{i=1}^{b^L} \frac{\Upsilon(T_i)}{\mu^{-2} \ln^2 n_i}$ 는 $\sum_{i=1}^{b^L} \frac{\alpha n_i}{\mu^{-1} \ln n_i} + \frac{n \zeta}{\mu^{-2} \ln^2 n} + o_p\left(\frac{n}{\ln^2 n}\right)$ 와 같음을 보이며, 깊이 가중 합에 대한 개선된 점근적 표현을 제공한다.
• 공의 깊이 분산이 점근적으로 $\mathcal{O}(\ln n)$임을 보이며, 복원 이론적 방법을 통해 정밀한 첫 번째 항이 도출되었다.