[논문 리뷰] Regenerative Composition Structures

Alexander Gnedin, Jim Pitman|ArXiv.org|2003. 07. 22.

Bayesian Methods and Mixture Models참고 문헌 28인용 수 5

한 줄 요약

이 논문은 정규화 성질을 만족하는 정수의 마르코프 랜덤 조합 구조—즉, 첫 번째 부분을 제거한 잔여 조합이 원래의 분포와 동일한 구조—를 소개한다. 저자들은 이러한 구조가 하위조정자(subordinator)의 범위인 정규화 랜덤 집합을 통한 [0,∞) 상의 랜덤 샘플링으로부터 유도되며, 관련된 하위조정자의 레비 파ameters(이동항과 레비 측도)를 통해 완전히 특성화됨을 보여준다. 유일한 가역적인 이러한 구조는 베ssel 브리지의 교란(excursion)에 해당한다.

ABSTRACT

A new class of random composition structures (the ordered analog of Kingman's partition structures) is defined by a regenerative description of component sizes. Each regenerative composition structure is represented by a process of random sampling of points from an exponential distribution on the positive halfline, and separating the points into clusters by an independent regenerative random set. Examples are composition structures derived from residual allocation models, including one associated with the Ewens sampling formula, and composition structures derived from the zero set of a Brownian motion or Bessel process. We provide characterisation results and formulas relating the distribution of the regenerative composition to the L{é}vy parameters of a subordinator whose range is the corresponding regenerative set. In particular, the only reversible regenerative composition structures are those associated with the interval partition of $[0,1]$ generated by excursions of a standard Bessel bridge of dimension $2 - 2 α$ for some $α\in [0,1]$.

연구 동기 및 목표

• 정규화 성질을 가진 새로운 랜덤 조합 구조의 정의와 특성화를 목적으로 하며, 킹먼의 분할 구조를 순서화된 설정으로 확장한다.
• 이러한 구조를 지수 분포에서의 랜덤 샘플링과 독립적인 정규화 랜덤 닫힌 집합을 통한 군집화를 통해 표현한다.
• 조합의 분포와 하위조정자의 범위가 정규화 집합을 정의하는 데 사용되는 레비 파ameters(이동항과 레비 측도) 사이의 관계를 규명한다.
• 유일한 가역적인 정규화 조합 구조를 식별하며, 이들이 차원 $2-2\alpha$의 표준 베셀 브리지의 교란에 의해 생성된 간격 분할과 대응됨을 보여준다. 여기서 $\alpha \in [0,1]$이다.

제안 방법

• 각 정규화 조합 구조를 [0,∞) 상에서 지수 분포에서 점들을 샘플링하는 과정으로 표현하고, 이를 독립적인 정규화 랜덤 닫힌 집합 $\mathcal{R}$ 을 통해 군집화한다.
• 마이손브의 정리(Maisonneuve’s theorem)를 사용하여 $\mathcal{R}$ 을 증가하는 레비 과정(정적이고 독립적인 증가를 가지는)인 하위조정자 $(S_t)$ 의 닫힌 범위로 표현한다.
• 단위 구간으로의 변환을 통해 $\widetilde{\mathcal{R}} = 1 - \exp(-\mathcal{R})$ 을 정의함으로써, 균일 샘플링을 이용한 순서화된 페인트박스 표현을 가능하게 한다.
• 주요 변수들(예: $\widetilde{G}_{1n}, \widetilde{H}_{1n}$)의 라플라스 및 멜린 변환을 유도하여 조합 내 블록 크기의 분포를 특성화한다.
• 유한한 조합에서 첫 번째 블록 이전, 포함, 이후의 간격으로 구성된 [0,1]의 삼분해를 수립하고, 이들의 크기의 공동 모멘트를 유도한다.
• 비선형 재귀 관계와 비선형 변환을 사용하여 특성화 문제를 하우스도르프 모멘트 문제로 환원하며, 레비 데이터를 [0,1] 상의 유한 측도로 표현한다.

실험 결과

연구 질문

• RQ1 정규화 조합 구조의 클래스는 어떤 확률 과정과 레비 파ameters로 특성화되는가?
• RQ2 정규화 조합 구조는 어떻게 랜덤 샘플링과 정규화 랜덤 집합으로 표현될 수 있는가?
• RQ3 어떤 조합 구조가 가역적이며, 그 구조적 형태는 무엇인가?
• RQ4 하위조정자의 레비 파ameters와 조합 구조의 샘플링 공식 사이의 관계는 무엇인가?
• RQ5 어떤 조건에서 분할 구조가 정규화 재배열을 갖는가, 그리고 그 경우가 유일한가?

주요 결과

• 모든 정규화 조합 구조는 하위조정자의 범위로부터 유도된다: 정규화 집합 $\mathcal{R}$ 은 이동항 $\tt{d}$ 와 레비 측도 $\nu$ 를 가진 하위조정자의 닫힌 범위이며, 조합은 [0,∞) 상에서 지수 분포에서 샘플링한 점들을 $\mathcal{R}$ 을 통해 군집화함으로써 형성된다.
• 유일한 가역적인 정규화 조합 구조는 차원 $2-2\alpha$의 표준 베셀 브리지의 교란에 의해 생성된 [0,1]의 간격 분할과 대응되며, 이는 두 파am터 가족의 분할 구조를 포함한다.
• n개로 이루어진 조합에서 첫 번째 블록 크기의 분포는 $\mathbb{E}(1 - \widetilde{G}_{1n})^{n-1} = \Phi(1)/\Phi(n)$ 으로 특성화되며, 여기서 $\Phi(n)$ 은 레비 측도로부터 유도된 정규화 함수이다.
• 단위 구간 분해에서 첫 번째 블록 이전, 포함, 이후 간격의 크기의 공동 모멘트는 이항 계수의 합과 $\Phi$-함수를 포함하는 공식으로 주어지며, 이는 블록 크기 확률의 명확한 해석을 제공한다.
• 첫 번째 블록의 구조적 분포(요소 1 이 속한 클래스의 빈도)는 $H = \widetilde{H}_{1n}/(1 - \widetilde{G}_{1n})$ 으로 주어지며, 이는 $\widetilde{G}_{1n}$ 과 독립이면서 $\widetilde{\nu}$ 와 $\tt{d}$ 를 포함하는 알려진 분포를 가진다.
• 두 파am터 가족의 분할 구조에 대해, 양수인 파am터를 가진 각 구성원은 유일한 정규화 조합 구조에 대응하며, 이에 대응하는 조합이 가역적임은 베셀 브리지의 교란에서 유래될 때에만 성립한다.