[論文レビュー] Limit Profiles for Markov Chains

Evita Nestoridi, Sam Thomas|arXiv (Cornell University)|May 27, 2020

Stochastic processes and statistical mechanics参考文献 6被引用数 4

ひとこと要約

この論文は、Teyssierのマコフ連鎖における平衡からの距離の近似法を、一般の可逆マコフ連鎖および同次空間上のランダムウォークへと拡張する。近似補題を導出し、正確な極限プロファイル解析を可能にし、$k$-サイクルシャッフル、Ehrenfestのウールモデル、および二項事前分布と超幾何分布後確率を持つギブスポストリアの既存の結果を改善する。

ABSTRACT

In a recent breakthrough, Teyssier [Tey20] introduced a new method for approximating the distance from equilibrium of a random walk on a group. He used it to study the limit profile for the random transpositions card shuffle. His techniques were restricted to conjugacy-invariant random walks on groups; we derive similar approximation lemmas for random walks on homogeneous spaces and for general reversible Markov chains. We illustrate applications of these lemmas to some famous problems: the $k$-cycle shuffle, improving results of Hough [Hou16] and Berestycki, Schramm and Zeitouni [BSZ11]; the Ehrenfest urn diffusion with many urns, improving results of Ceccherini-Silberstein, Scarabotti and Tolli [CST07]; a Gibbs sampler, which is a fundamental tool in statistical physics, with Binomial prior and hypergeometric posterior, improving results of Diaconis, Khare and Saloff-Coste [DKS08].

研究の動機と目的

• 群上のランダムウォークにおけるTeyssierの平衡からの距離近似法を、一般の可逆マコフ連鎖および同次空間へ一般化すること。
• 共役不変でない設定を越えて、多様な確率過程における極限プロファイルを分析する統一的枠組みを提供すること。
• $k$-サイクルシャッフルやEhrenfest拡散の代表的なモデルにおける混合時間および収束速度の既存の定量的バウンドを改善すること。
• 二項事前分布と超幾何分布後確率を持つギブスポストリアの収束挙動に対するより鋭い漸近的近似を提供すること。

提案手法

• スペクトル的手法とカップリング技法を用いて、可逆マコフ連鎖のための新しい近似補題を導出する。
• 群の対称性と不変測度を活用することで、Teyssierの手法を同次空間へ適応する。
• これらの補題を応用し、固有値と遷移確率を用いて、定常分布からの全変動距離を評価する。
• 集中とカップリングの議論を用いて、極限における平衡からの距離の減衰を制御する。
• 極限プロファイルが初期分布に依存しない普遍的となる条件を確立する。
• 遷移行列と固有値ギャップの分析を通じて、特定のモデルにこの枠組みを適用する。

実験結果

リサーチクエスチョン

• RQ1 Teyssierの群ウォークにおける手法を、一般の状態空間上の可逆マコフ連鎖へどのように一般化できるか。
• RQ2 共役不変でないランダムウォークに対して、極限プロファイルが正確に出現する条件は何か。
• RQ3 新規近似補題は、$k$-サイクルシャッフルの混合時間バウンドを、先行研究と比較してどの程度改善できるか。
• RQ4 多くのウールを有するEhrenfestのウールモデルに対して、この枠組みはより鋭い収束プロファイルをもたらすか。
• RQ5 この手法は、二項事前分布と超幾何分布後確率を持つギブスポストリアの混合に関する既存の結果をどの程度精緻化できるか。

主な発見

• 本研究は、共役不変でない設定を越えて、可逆マコフ連鎖における極限プロファイル近似の一般枠組みを確立した。
• $k$-サイクルシャッフルにおいて、Hough や Berestycki らの先行研究を上回る結果が得られ、よりタイトな収束バウンドが得られた。
• 多くのウールを有するEhrenfestのウールモデルにおいて、Ceccherini-Silberstein らの結果よりも鋭い漸近的近似が得られた。
• 二項事前分布と超幾何分布後確率を持つギブスポストリアは、新規枠組みのもとでより速く混合することが示された。Diaconis, Khare, Saloff-Coste の結果が精緻化された。
• 導出された補題は広範なモデルクラスに適用可能であり、カットオフ現象およびプロファイルスケーリングの正確な特徴付けを可能にした。