[논문 리뷰] Poisson and independent process approximation for random combinatorial structures with a given number of components, and near-universal behavior for low rank assemblies

Richard Arratia, Stephen DeSalvo|arXiv (Cornell University)|2016. 06. 15.

Advanced Combinatorial Mathematics참고 문헌 36인용 수 3

한 줄 요약

이 논문은 고정된 수의 구성 요소를 조건으로 하는 무작위 조합적 조립 구조에 대한 포아송 과정 근사 프레임워크를 개발하여, 랭크 $ r = n - k $ 가 작을 때 구성 요소 크기 분포의 정밀한 분석을 가능하게 한다. 이는 거의 보편적인 극한 법칙을 수립한다: $ r \sim t\sqrt{n} $ 일 때, 가장 큰 구성 요소 크기는 확률적으로 2 또는 3로 수렴하며, 크기 3인 구성 요소의 수는 포아송 분포로 수렴한다. 이는 이전에 안장점 방법으로는 해결이 어려웠던 케이스를 해결한다.

ABSTRACT

We give a general framework for approximations to combinatorial assemblies, especially suitable to the situation where the number $k$ of components is specified, in addition to the overall size $n$. This involves a Poisson process, which, with the appropriate choice of parameter, may be viewed as an extension of saddlepoint approximation. We illustrate the use of this by analyzing the component structure when the rank and size are specified, and the rank, $r := n-k$, is small relative to $n$. There is near-universal behavior, in the sense that apart from cases where the exponential generating function has radius of convergence zero, for $\ell=1,2,\dots$, when $r \asymp n^α$ for fixed $α\in (\frac{\ell}{\ell+1}, \frac{\ell+1}{\ell+2})$, the size $L_1$ of the largest component converges in probabiity to $\ell+2$. Further, when $r \sim t\, n^{\ell/(\ell+1)}$ for a positive integer $\ell$, and $t \in (0,\infty)$, $\mathbb{P}\,(L_1 \in \{\ell+1,\ell+2\}) o 1$, with the choice governed by a Poisson limit distribution for the number of components of size $\ell+2$. This was previously observed, for the case $\ell=1$ and the special cases of permutations and set partitions, using Chen-Stein approximations for the indicators of attacks and alignments, when rooks are placed randomly on a triangular board. The case $\ell=1$ is especially delicate, and was not handled by previous saddlepoint approximations.

연구 동기 및 목표

• 고정된 수의 구성 요소를 조건으로 하는 랜덤 조합적 조립 구조를 근사화하기 위한 확률적 프레임워크를 개발하는 것.
• 전통적인 가우시안 근사가 실패하는 경우, 특히 랭크 $ r = n - k $ 가 작을 때 안장점 근사 기법을 확장하는 것.
• 낮은 랭크 조립 구조에 대한 보편적인 극한 법칙을 수립하여, 다양한 조합적 가족 간에 구성 요소 크기 분포에서 거의 보편적인 행동을 보여주는 것.
• 비판적 영역 $ r \sim t\sqrt{n} $ 에서 포아송 근사에 대한 점근적이고 효과적인 정량 오차 한계를 제공하는 것.

제안 방법

• 구성 요소 수를 일치시키기 위해 매개변수를 선택한 조건부 포아송 과정을 사용하여, 안장점 근사 기법을 조합적 조립 구조로 확장한다.
• 체인-스타인 방법과 이항 근사 기법을 적용하여 구성 요소 크기 조건부 분포의 오차 한계를 제어한다.
• 두 단계 샘플링 접근법을 도입: 먼저 구성 요소 수 $ k $ 에 조건을 두고, 그 다음에 포아송 과정을 사용해 구성 요소 크기 수를 모델링한다.
• 생성 함수 분석과 $ \mathbb{P}(N_j = m \mid \sum jN_j = r) $ 에 대한 점근적 경계를 활용하여 수렴 결과를 도출한다.
• 구성 요소 수 $ n, k $ 와 조립 구조의 매개변수에 대한 함수인 $ u_M(n,k) $ 를 통해 명시적인 오차 한계를 유도하여 정량적 제어를 보장한다.
• 비판적 영역 $ r \sim t\sqrt{n} $ 를 분석하기 위해 확률 공간을 $ N_1 $ 이 집중된 영역과 이격된 영역으로 나누고, 이항 변수의 尾확률 경계를 사용한다.

실험 결과

연구 질문

• RQ1 요소 수 $ n $ 과 구성 요소 수 $ k $ 를 가진 무작위 조합적 조립에서 $ r = n - k \sim t\sqrt{n} $ 일 때, 가장 큰 구성 요소 크기의 극한 분포는 무엇인가?
• RQ2 안장점 방법이 실패하는 경우, 특히 구성 요소 수가 고정된 조립에서 포아송 과정 근사가 어떻게 구성 요소 크기 수를 모델링할 수 있는가?
• RQ3 $ r \sim t n^{\ell/(\ell+1)} $ 일 때, $ \alpha \in (\frac{\ell}{\ell+1}, \frac{\ell+1}{\ell+2}) $ 에 대해 낮은 랭크 조립에서 어떤 보편적 행동이 드러나는가?
• RQ4 비판적 영역 $ r \sim t\sqrt{n} $ 에서 포아송 근사에 대한 효과적이고 비점근적 오차 한계를 도출할 수 있는가?
• RQ5 순열과 집합 분할은 전반적인 구성 요소 분포가 다름에도 불구하고, 왜 동일한 포아송 극한을 보이는가?

주요 결과

• $ r = n - k \sim t\sqrt{n} $ 일 때, 가장 큰 구성 요소 크기 $ L_1 $ 은 $ \mathbb{P}(L_1 \in \{2,3\}) \to 1 $ 을 만족하며, 크기 3인 구성 요소의 수는 포아송 분포로 수렴한다.
• $ r \sim t n^{\ell/(\ell+1)} $ 일 때, 낮은 랭크 조립에서 구성 요소 수의 포아송 극한 법칙은 거의 보편적이며, 지수 생성함수의 수렴 반경이 0인 조립을 제외한 모든 조립에 적용 가능하다.
• 비판적 영역의 점근적 오차 한계는 $ O_t(\log^2 n / \sqrt{n}) $ 이며, 이는 날카롭고 정량적으로 제어된 것이다.
• 정리 3.19 에서는 효과적 오차 한계 $ u_M(n,k) $ 가 도출되었으며, 이는 근사 오차에 대한 완전히 명시적이고 비점근적인 추정치를 제공한다.
• $ \ell = 1 $ 인 경우, 즉 $ r \sim t\sqrt{n} $ 일 때는 해석적으로 민감하며 이전에 표준 안장점 방법으로는 해결이 불가능했으나, 본 논문이 이를 해결한다.