[논문 리뷰] Central limit theorems in the configuration model

A. D. Barbour, Adrian Röllin|arXiv (Cornell University)|2017. 10. 07.

Markov Chains and Monte Carlo Methods참고 문헌 21인용 수 7

한 줄 요약

이 논문은 구성 모델에서 국소 그래프 통계량에 대한 일반적인 중심극한정리(CL T)를 증명하며, 워샤르슈타인 거리 오차 유계를 사용한 스텐의 방법을 적용한다. 약간의 모멘트 조건과 도수 분포 조건 하에서 거대 컴포넌트 크기의 점근적 정규분포 성향을 입증하여, 이 모델에 대한 이차 분석에서 오랫동안 남아 있던 격차를 해결한다.

ABSTRACT

We prove a general normal approximation theorem for local graph statistics in the configuration model, together with an explicit bound on the error in the approximation with respect to the Wasserstein metric. Such statistics take the form $T := \sum_{v \in V} H_v$, where $V$ is the vertex set, and $H_v$ depends on a neighbourhood in the graph around $v$ of size at most $\ell$. The error bound is expressed in terms of $\ell$, $|V|$, an almost sure bound on $H_v$, the maximum vertex degree $d_{\max}$ and the variance of $T$. Under suitable assumptions on the convergence of the empirical degree distributions to a limiting distribution, we deduce that the size of the giant component in the configuration model has asymptotically Gaussian fluctuations.

연구 동기 및 목표

• 구성 모델에서 국소 그래프 통계량에 대한 일반적인 정규근사 정리 개발.
• 이러한 통계량의 정규근사에 대해 워샤르슈타인 거리에서 명시적인 오차 유계 제공.
• 일반 결과를 적용하여 구성 모델에서 거대 컴포넌트 크기에 대한 중심극한정리 증명.
• 그러나 네트워크 모델링에서 중요시되지만, 거대 컴포넌트에 대한 이차 변동 결과가 부족한 문제 해결.

제안 방법

• 정규근사에 대한 스텐의 방법을 사용하며, 국소 그래프 통계량의 분포와 표준정규분포 사이의 워샤르슈타인 거리 유계를 확보하기 위해 스텐 쌍을 구성.
• 국소 통계량을 각 정점 주변 반경 ℓ 이내의 이웃에 의존하는 함수들의 합으로 정의.
• 의존성을 제어하고 분산 유계를 도출하기 위해 랜덤 순열과 간선 교환을 포함한 쌍화 논증을 활용.
• ℓ, |V|, d_max, ‖h‖, Var(T)에 의존하는 오차 유계를 도출하여, 적절한 모멘트 조건 하에서 유계가 작아지도록 보장.
• 일반 CL T를 크기가 ≤ n^β인 컴포넌트에 속한 정점 수에 적용하며, 이는 거대 컴포넌트의 여집합과 점근적으로 동일하다.
• empirical 도수 분포가 한정된 분포로 수렴할 경우, 거대 컴포넌트 크기의 분산이 n의 순서를 유지하므로 CL T가 성립함을 이용.

실험 결과

연구 질문

• RQ1 구성 모델에서 국소 그래프 통계량에 대해 명시적인 오차 유계를 갖는 일반적인 중심극한정리를 확립할 수 있는가?
• RQ2 구성 모델에서 거대 컴포넌트 크기가 약간의 모멘트 조건과 도수 분포 조건 하에서 점근적으로 정규분포 성향을 보이는가?
• RQ3 구성 모델의 의존성 구조는 어떻게 제어할 수 있으며, 이를 통해 스텐의 방법을 정규근사에 적용할 수 있는가?
• RQ4 어떤 조건이 거대 컴포넌트 크기의 분산이 n의 순서를 유지하게 하여 CL T를 가능하게 하는가?

주요 결과

• 논문은 T = ∑v∈V Hv에 대해, Hv가 각 정점 v 주변 반경 ℓ 이내의 이웃에 의존할 때, 워샤르슈타인 거리에서 명시적인 오차 유계를 갖는 중심극한정리를 확립한다.
• 오차 유계는 O(‖h‖⁴ d_max⁴ ℓ¹⁶ / (n σ²))이며, 적절한 조건 하에서 n이 증가함에 따라 근사 오차가 사라짐을 보여준다.
• 구성 모델에서 거대 컴포넌트 크기는, empirical 도수 분포가 한정된 분포로 수렴하고 분산이 n의 순서일 경우 점근적으로 정규분포 성향을 보인다.
• 멀리 떨어진 정점들이 국소 통계량에 미치는 영향이 무시 가능할 조건 하에서, 거대 컴포넌트 크기의 분산이 n의 순서임을 입증한다.
• Ball과 Neal(2017)의 이전 작업을 확장하며, 그들은 시뮬레이션 기반으로 CL T를 추측했지만, 본 논문은 스텐의 방법을 사용하여 엄밀한 증명을 제공한다.
• 이 방법은 거대 컴포넌트 외에도 광범위한 국소 통계량에 적용 가능하므로, 구성 모델에서 네트워크 통계량에 널리 적용 가능하다.