[논문 리뷰] Upper Tail Estimates with Combinatorial Proofs

Jan Hązła, Thomas Holenstein|arXiv (Cornell University)|2014. 05. 09.

Complexity and Algorithms in Graphs참고 문헌 18인용 수 3

한 줄 요약

이 논문은 확률적 설정에서 상측 尾 비율을 유도하기 위한 일반화된 조합적 프레임워크를 제안한다. 이는 Impagliazzo와 Kabanets의 조합적 증명 기법을 확장한 것으로, 종속된 변수에 대한 농도를 확보하기 위해 핵심 조건으로 '성장 유계성(growth boundedness)'을 도입한다. 이를 통해 최적의 확산자 랜덤 워크 농도 한계와 Erdős–Rényi 무작위 그래프에서 부분그래프 수의 상측 비율 한계를 도출하며, Janson 등이 이전에 구한 결과와 정확히 일치한다. 이 방법은 약한 종속성 조건 하에서도 날카운 비율 한계를 도출한다.

ABSTRACT

We study generalisations of a simple, combinatorial proof of a Chernoff bound similar to the one by Impagliazzo and Kabanets (RANDOM, 2010). In particular, we prove a randomized version of the hitting property of expander random walks and apply it to obtain a concentration bound for expander random walks which is essentially optimal for small deviations and a large number of steps. At the same time, we present a simpler proof that still yields a "right" bound settling a question asked by Impagliazzo and Kabanets. Next, we obtain a simple upper tail bound for polynomials with input variables in $[0, 1]$ which are not necessarily independent, but obey a certain condition inspired by Impagliazzo and Kabanets. The resulting bound is used by Holenstein and Sinha (FOCS, 2012) in the proof of a lower bound for the number of calls in a black-box construction of a pseudorandom generator from a one-way function. We then show that the same technique yields the upper tail bound for the number of copies of a fixed graph in an Erdős-Rényi random graph, matching the one given by Janson, Oleszkiewicz and Ruciński (Israel J. Math, 2002).

연구 동기 및 목표

• Impagliazzo와 Kabanets의 조합적 증명 기법을 완전한 독립성 이외의 설정, 즉 제한된 독립성 또는 약한 종속성 조건으로 확장하기 위해.
• Impagliazzo와 Kabanets가 제기한 확산자 랜덤 워크에 대한 최적의 농도 한계에 대한 질문을 해결하기 위해.
• [0,1] 변수에 대한 다항식에 대해 상측 비율 한계를 도출하기 위해, 반드시 독립일 필요는 없지만 성장 유계성 조건을 만족하는 조건을 제시하기 위해.
• 새로운 프레임워크를 사용하여 Erdős–Rényi 무작위 그래프에서 고정된 그래프 G의 복제 수에 대한 Janson-Oleszkiewicz-Ruciński 상측 비율 한계를 복원하고 재증명하기 위해.
• Holenstein과 Sinha의 가짜난수 생성기 하한 증명에서 사용된 핵심 농도 한계의 자가 포함된 증명을 제공하기 위해.

제안 방법

• 클래식한 Chernoff 한계에서의 독립성 가정을 일반화하기 위해 '성장 유계성'을 농도에 대한 충분조건으로 도입한다.
• 확산자 랜덤 워크의 무작위화된 히트 성질을 이용하여 최적의 尾 비율 한계를 도출하며, 이는 이전 결과를 향상시킨다.
• 다항식 함수 q(e)에 대해 E[q(e)^m]을 구하기 위해 변수 구성의 조합적 수를 계수하는 모멘트 방법을 적용한다.
• 고차 모멘트를 제어하기 위해 고정된 간선 집합과의 교차 패턴에 기반한 단항식의 재귀적 분해를 사용한다.
• 간선 분포에 대한 거의 독립 조건을 활용하여 종속된 분포를 독립적인 Erdős–Rényi 모델과 연결한다.
• 기대치 근사에서 µ*/µ 비율을 신중히 제어하면서, m차 모멘트에 대해 Markov 부등식을 적용하여 지수적 尾 비율 한계를 도출한다.

실험 결과

연구 질문

• RQ1 Impagliazzo와 Kabanets의 조합적 증명 기법을 완전한 독립성 이외의 종속된 무작위 변수로 확장할 수 있는가?
• RQ2 Impagliazzo와 Kabanets가 제기한 바와 같이, 히트 성질에 기반한 추론을 통해 확산자 랜덤 워크에 대한 최적의 농도 한계를 도출할 수 있는가?
• RQ3 종속된 [0,1]-값을 가진 변수에 어떤 조건이 필요하면 다항식 함수에 대해 날카운 상측 비율 한계를 얻을 수 있는가?
• RQ4 이 프레임워크를 사용하여 통합된 조합적 접근을 통해 무작위 그래프에서 부분그래프 수에 대한 Janson-Oleszkiewicz-Ruciński 한계를 복원할 수 있는가?
• RQ5 성장 유계성 조건을 어떻게 활용하여 가짜난수 생성기 설계와 같은 설정에서 비율 한계를 도출할 수 있는가?

주요 결과

• 논문은 지수 항의 상수 인자까지 고려한 최적의 확산자 랜덤 워크 농도 한계를 확립하며, Impagliazzo와 Kabanets가 제기한 열린 문제를 해결한다.
• [0,1] 변수에 대한 다항식에 대해 성장 유계성 조건을 만족하는 경우, 이 방법은 Holenstein과 Sinha의 가짜난수 생성기 하한 증명에서 사용된 한계와 정확히 일치하는 상측 비율 한계를 도출한다.
• 이 프레임워크는 고정된 그래프 G가 Erdős–Rényi 무작위 그래프에 포함된 복제 수에 대해 Janson-Oleszkiewicz-Ruciński 상측 비율 한계를 복원하며, 그 결과와 정확히 일치한다.
• 입력 변수들이 독립일 필요는 없지만, 거의 독립과 유사한 약한 종속성 조건을 만족하면, 이 방법은 날카운 비율 한계를 달성한다.
• 이 프레임워크는 강건하다: 추가 노력으로 지수 항의 상수 인자를 최적의 값으로 개선할 수 있으며, 이는 대규모 단계, 소규모 이격의 경우에 해당한다.
• 이 증명 기법은 모듈식이며, 성장 유계성 조건을 확인하기만 하면 다양한 설정, 예를 들어 무작위 그래프와 가짜난수 생성 구조에 적용 가능하다.