[논문 리뷰] Schröder's problems and scaling limits of random trees

Jim Pitman, Douglas Rizzolo|arXiv (Cornell University)|2011. 07. 09.

Stochastic processes and statistical mechanics참고 문헌 15인용 수 4

한 줄 요약

이 논문은 Schröder의 네 가지 조합 문제—이진 및 일반 단어/집합 괄호화—에서 유일한 랜덤 괄호화 구조가 입력 크기가 증가함에 따라 적절한 스케일링 하에서 브라운 운동 연속 랜덤 트리(BCRT)로 수렴함을 입증한다. 생성함수와 점근 분석을 통해 저자들은 이러한 랜덤 트리의 높이 및 리프 높이 통계량이 알려진 BCRT 극한으로 수렴함을 증명하며, 다양한 조합적 트리 모델 간의 보편적 스케일링 행동을 확인한다.

ABSTRACT

In a classic paper Schröder posed four combinatorial problems about the number of certain types of bracketings of words and sets. Here we address what these bracketings look like on average. For each of the four problems we prove that a uniform pick from the appropriate set of bracketings, when considered as a tree, has the Brownian continuum random tree as its scaling limit as the size of the word or set goes to infinity.

연구 동기 및 목표

• Schröder의 네 가지 조합 문제에서 유일한 랜덤 괄호화의 일반적인 구조를 조사한다.
• 입력 크기가 무한대에 접근할 때 이러한 괄호화로부터 유도된 랜덤 트리의 스케일링 극한을 규명한다.
• 네 가지 유형의 랜덤 트리가 모두 브라운 운동 연속 랜덤 트리(BCRT)로 수렴함을 확립한다.
• 이 모델들에서 트리 높이 및 리프 높이 통계량의 점근적 행동을 분석한다.
• 생성함수 기법을 통해 다양한 조합적 트리 가족을 동일한 연속 극한 하에 통합한다.

제안 방법

• 괄호화와 루트가 있는 순서 트리 사이의 이분법을 활용해 조합 문제를 트리 모델로 변환한다.
• Aldous의 연속 랜덤 트리 이론과 스케일링 극한 이론을 적용하여 수렴성을 분석한다.
• 특히 생성함수 $ C_\zeta(z) $ 를 사용하여 트리 수를 표현하고 점근적 성질을 분석한다.
• 특이점 분석 및 전이 정리(예: Flajolet과 Sedgewick의 저서에서 유래)를 활용해 계수와 점근적 행동을 추출한다.
• 생성함수의 도함수를 활용해 고정된 높이 $ k $ 에서의 노드 수 기대값 및 리프 높이 합의 점근적 표현을 유도한다.
• Scheffé의 정리와 모멘트 수렴을 적용하여 약한 수렴성과 점근적 모멘트를 증명한다.

실험 결과

연구 질문

• RQ1 Schröder의 네 가지 문제에서 유일한 랜덤 괄호화는 스케일링 극한 하에서 브라운 운동 연속 랜덤 트리가 되는가?
• RQ2 이러한 모델에서 유일한 랜덤 트리의 높이의 점근적 분포는 무엇인가?
• RQ3 특정 높이에서의 노드 기대 수와 리프 높이 합은 트리 크기와 어떻게 스케일링되는가?
• RQ4 이러한 괄호화 유형(이진, 일반, 집합 기반) 간에 BCRT로의 수렴은 보편적인가?
• RQ5 높이 분포의 첫 번째 모멘트는 극한에서 정확히 특성화될 수 있는가?

주요 결과

• 어느 하나의 Schröder 모델에서 유일한 랜덤 트리의 높이 $ H_n $ 는 $ \mathbb{E}[H_n] \sim \sqrt{\frac{\pi}{2r G_{\zeta}^{\prime\prime}(s)}} \, n^{1/2} $ 를 만족하며, 제곱근 스케일링을 확인한다.
• $ \frac{c}{\sqrt{n}} H_n $ 의 분포는 $ n \to \infty $ 일 때 약한 수렴성을 보이며, $ c = \sqrt{G_{\zeta}^{\prime\prime}(s) r} $ 이다.
• 고정된 $ k $ 에 대해 높이 $ k $ 에서의 노드 수 기대값은 $ \mathbb{E}_{\mathcal{T}_n^{(\ell)}}(\xi_k) \sim G_{\zeta}^{\prime\prime}(s) r k $ 를 만족하며, 높이에 대한 선형 의존성을 보여준다.
• 리프 높이의 합은 $ \mathbb{E}_{\mathcal{T}_n^{(\ell)}}[\phi] \sim \sqrt{\frac{\pi}{2r G_{\zeta}^{\prime\prime}(s)}} \, n^{3/2} $ 를 만족하며, BCRT 예측과 일치한다.
• $ \frac{c}{\sqrt{n}} H_n $ 의 점근적 분포는 $ x \exp\left(-\frac{G_{\zeta}^{\prime\prime}(s) r}{2c^2} x^2 \right) $ 비례하는 밀도로 수렴하며, BCRT 극한을 확인한다.
• 이중 단어, 일반 단어, 이중 집합, 일반 집합 괄호화를 포함한 네 가지 유형의 랜덤 트리는 모두 동일한 스케일링 극한인 브라운 운동 연속 랜덤 트리를 공유한다.