[논문 리뷰] The fixation line in the $Λ$-coalescent

Olivier Hénard|arXiv (Cornell University)|2013. 07. 02.

Stochastic processes and statistical mechanics참고 문헌 24인용 수 9

한 줄 요약

이 논문은 $ abla$-공진합 모델에서 최근 공통 조상의 계보를 추적하는 고정선(fixation line)을 도입한다. 이는 마르코프 과정이며, 블록 수 계산 과정과의 이중성(duality)을 가지며, $ abla$-공진합 모델에서 $n$-공진합의 마지막 공진합 시점에서의 블록 수가 $n\to\infty$일 때 확률적으로 수렴함을 증명한다. 또한, 수렴하는 극한 랜덤 변수의 생성함수를 명시적으로 계산한다.

ABSTRACT

We define a Markov process in a forward population model with backward genealogy given by the $Λ$-coalescent. This Markov process, called the fixation line, is related to the block counting process through its hitting times. Two applications are discussed. The probability that the $n$-coalescent is deeper than the $(n-1)$-coalescent is studied. The distribution of the number of blocks in the last coalescence of the $n$-$\operatorname {Beta}(2-α,α)$-coalescent is proved to converge as $n ightarrow\infty$, and the generating function of the limiting random variable is computed.

연구 동기 및 목표

• 고정선을 $ abla$-공진합에서의 블록 수 계산 과정과 이중성을 가지는 마르코프 과정으로 정의하고 분석한다.
• 특히 $n$-공진합의 깊이, 즉 $n$-공진합이 $(n-1)$-공진합보다 깊어질 확률을 연구한다.
• 공진합의 마지막 단계에서의 블록 수가 $n\to\infty$일 때 수렴하는 극한 분포를 조사한다.
• $\operatorname{Beta}(2-\alpha,\alpha)$-공진합의 경우, 극한 랜덤 변수의 생성함수를 계산한다.

제안 방법

• 자연적 쌍용(coupling)을 사용하여 $n$-공진합을 쌍용함으로써, 시간이 흐름에 따라 진행되는 마르코프 과정으로 고정선을 구성한다.
• 고정선과 블록 수 계산 과정 사이의 이중성을 활용하여 도달 시간과 공진합 역학을 분석한다.
• 공진합 사건을 모델링하기 위해 강도 $dt\Lambda(dx)x^{-2}$를 가진 포아송 점 측도를 적용한다.
• 네브 유 분포 과정을 사용하여 $n$-공진합의 깊이 $\tau_1^n$의 점근적 행동을 유도한다.
• 고정선에 대한 도달 시간 $\alpha_1^n$의 성장률을 분석함으로써 확률적 수렴을 확립한다.
• 바르드모르 다항식 등 조합 항등식을 사용하여 이중성 방정식에서 integrand의 동치성을 증명한다.

실험 결과

연구 질문

• RQ1 공진합의 마지막 단계에서 $n\to\infty$일 때 블록 수의 분포는 어떻게 되는가?
• RQ2 $n$-공진합의 깊이 $\tau_1^n$은 점근적으로 어떻게 행동하는가?
• RQ3 $\operatorname{Beta}(2-\alpha,\alpha)$-공진합의 경우 마지막 공진합에서의 블록 수의 극한 생성함수는 무엇인가?
• RQ4 고정선은 이중성과 도달 시간을 통해 블록 수 계산 과정과 어떻게 관련되어 있는가?
• RQ5 $n$-공진합의 깊이가 거의 확실히 유계 또는 무한대일 조건은 무엇인가?

주요 결과

• $n\to\infty$일 때 $n$-공진합의 깊이 $\tau_1^n$은 $\tau_1^n - \log\log n \Rightarrow -\log \mathbf{e}$를 만족하며, 여기서 $\mathbf{e}$는 비율 1인 지수분포를 가진 랜덤 변수이다.
• 극한 랜덤 변수 $-\log \mathbf{e}$는 구불 분포(Gumbel distribution)를 따르며, 누적분포함수는 $\mathbb{P}(-\log \mathbf{e} \leq x) = e^{-e^{-x}}$이다.
• $\operatorname{Beta}(2-\alpha,\alpha)$-공진합의 $n$-공진합에서 마지막 공진합 단계의 블록 수는 $n\to\infty$일 때 확률적으로 수렴한다.
• $\operatorname{Beta}(2-\alpha,\alpha)$-공진합의 경우, 극한 랜덤 변수의 생성함수를 명시적으로 계산하였다.
• 고정선 과정이 시간이 흐름에 따라 진행되는 마르코프 과정이며, 블록 수 계산 과정과 이중성을 가지며, 도달 시간이 공진합 사건에 대응됨을 보였다.
• 증명은 $\alpha_1^n$의 거의 확실한 성장률과 네브 유 분포 과정을 활용하여 극한 분포를 도출하는 데 의존한다.