[논문 리뷰] Arak Inequalities for Concentration Functions and the Littlewood-Offord Problem

Yulia S. Eliseeva, Friedrich Götze외 1명|arXiv (Cornell University)|2015. 06. 30.

Random Matrices and Applications참고 문헌 38인용 수 6

한 줄 요약

이 논문은 아라크의 1980년대 농도 함수에 대한 부등식과 리틀우드-오퍼드 문제에서의 역원리 사이의 연결 고리를 설정하며, 동일한 분포를 가진 확률변수의 가중합에서 계수의 산술적 구조가 꼬리 행동을 결정함을 보여준다. 계수가 구조적으로 되어 있을 경우(예: 일반화된 산술적 등차수열에 가까움) 농도 함수가 급격히 감소함을 증명하며, 최근의 랜덤 행렬 이론 결과를 정교화하고 아라크의 프레임워크를 다변량 설정으로 확장한다.

ABSTRACT

Let $X,X_1,\ldots,X_n$ be independent identically distributed random variables. In this paper we study the behavior of concentration functions of weighted sums $\sum_{k=1}^{n}a_k X_k$ with respect to the arithmetic structure of coefficients $a_k$ in the context of the Littlewood--Offord problem. Concentration results of this type received renewed interest in connection with distributions of singular values of random matrices. Recently, Tao and Vu proposed an Inverse Principle in the Littlewood-Offord problem. We discuss the relations between the Inverse Principle of Tao and Vu as well as that of Nguyen and Vu and a similar principle formulated for sums of arbitrary independent random variables in the work of Arak from the 1980's.

연구 동기 및 목표

• 아라크의 농도 함수에 대한 역원리와 타오 및 뷰가 최근에 제안한 리틀우드-오퍼드 문제에서의 역원리 사이의 관계를 명확히 하기 위해.
• 아라크의 농도 함수 결과를 동일한 분포를 가진 다변량 가중합으로 확장하기 위해.
• 농도 함수의 감쇠 속도가 계수 벡터의 산술적 구조에 의해 결정된다는 것을 보여주기 위해.
• 일반화된 산술적 등차수열(GAPs)과 그 다변량 확장(CGAPs)을 사용하여 농도 함수에 대한 날카운 bounds를 제공함으로써, 랜덤 행렬의 특이값 분석에 적용 가능하도록 하기 위해.

제안 방법

• 독립적인 확률변수 합의 농도 함수에 대한 아라크의 경계를 사용하며, 이를 분포 지지 집합의 산술적 구조로 표현한다.
• 각 차원 $ j $ 에서 계수 벡터 $ a^{(j)} $ 를 근사하기 위해 일반화된 산술적 등차수열(GAPs)의 개념을 적용하여, 적어도 $ n - n' $ 개의 원소가 낮은 랭크의 GAP에 $ \tau \rho_n $-근접하도록 보장한다.
• 좌표 부분공간으로의 투영을 통한 다변량 농도 함수 추정을 활용하고, 정리 4를 적용하여 농도 감쇠를 무한가소적 근사의 스펙트럼 측도와 연결한다.
• 각 GAP의 랭크 $ r_j $ 과 정수 격자 크기 $ m_j $ 에 대한 경계를 유도하며, $ r_j \ll |\ln Q_j| + 1 $ 과 $ m_j \leq \max\{ O(q_j^{-1} \rho_n^{-1} (n')^{-1/2}), 1 \} $ 를 보인다.
• 전체 계수 벡터 $ a^* $ 를 근사하기 위해 다변량 CGAP $ K = \times_{j=1}^d K_j $ 를 구성하며, $ |\prod_{j=1}^d \mathbf{Z}^{r_j} \cap V_j| \leq \prod_{j=1}^d m_j $ 를 만족시키고, $ n - dn' $ 개의 원소가 $ K $ 에 가까워지도록 보장한다.
• 레마 1과 2를 사용하여 합 $ S_a $ 의 농도 함수를 근사 무한가소적 분포의 농도 함수와 연결하며, $ Q_j $ 에 대한 로그 항을 통한 제어를 가능하게 한다.

실험 결과

연구 질문

• RQ1 타오와 뷰가 제안한 리틀우드-오퍼드 문제에서의 역원리와 아라크의 1980년대 농도 함수 부등식 사이의 관계는 무엇인가?
• RQ2 계수 벡터 $ a_k $ 의 산술적 구조가 가중합 $ \sum_{k=1}^n X_k a_k $ 의 농도 함수에 얼마나 영향을 미치는가?
• RQ3 일반화된 산술적 등차수열(GAPs)을 사용하여, 농도 함수에 대한 역원리를 단일변량에서 다변량 설정으로 확장할 수 있는가?
• RQ4 계수 벡터를 근사하면서 농도 함수를 제어할 수 있는 GAP의 최적 랭크와 크기 경계는 무엇인가?
• RQ5 아라크의 방법을 통해 유도된 농도 함수 경계는 랜덤 행렬 이론에서의 역원리로 유도된 경계와 어떻게 비교되는가?

주요 결과

• 각 좌표 방향 $ j $ 에서 계수 벡터 $ a^{(j)} $ 의 적어도 $ n - n' $ 개의 원소가 랭크 $ r_j \ll |\ln Q_j| + 1 $ 인 낮은 랭크의 일반화된 산술적 등차수열 $ K_j $ 에 $ \tau \rho_n $-근접해 있다.
• 각 GAP $ K_j $ 의 크기는 $ m_j \leq \max\{ O(q_j^{-1} \rho_n^{-1} (n')^{-1/2}), 1 \} $ 를 만족하며, 여기서 $ q_j $ 는 농도 함수 $ Q(F_{a}^{(j)}, \delta_j) $ 와 관련된다.
• 다변량 계수 벡터 $ a^* $ 는 $ K = \times_{j=1}^d K_j $ 의 카티esian 곱으로 잘 근사되며, 총 격자 크기는 $ \prod_{j=1}^d m_j $ 로 제한되며, $ n - dn' $ 개의 원소가 $ K $ 에 가까워지도록 보장된다.
• 최종 다변량 CGAP의 랭크 $ r $ 은 충분히 큰 $ n $ 에 대해 $ r \leq \max\{1, 2(A+B)/\theta\} $ 를 만족하며, 이는 구조적 복잡도가 통제됨을 나타낸다.
• 계수가 구조적으로 되어 있을 경우, 농도 함수 $ Q(F_a, \tau) $ 는 빠르게 감쇠하며, 감쇠 속도는 $ Q_j $ 의 로그 항에 의해 결정되며, 부등식 (24)와 (25)에 의해 명시된다.
• 결과적으로, 계수의 산술적 구조를 통합함으로써 최근의 랜덤 행렬 이론에서의 추정치를 정교화하고, 특히 랜덤 행렬의 특이값 분석에 적용 가능한 날카운 농도 함수 경계를 제공한다.