[논문 리뷰] Two-colour balanced affine urn models with multiple drawings I: central limit theorems

Markus Kuba, Hosam M. Mahmoud|arXiv (Cornell University)|2015. 03. 31.

Stochastic processes and statistical mechanics참고 문헌 18인용 수 8

한 줄 요약

이 논문은 다중 추출을 포함한 이중색 균형 잔류 모델에 대한 통합 프레임워크를 개발하여 소인덱스 및 임계인덱스 잔류 모델(Λ ≤ 1/2)에 대해 중심극한정리와 대형인덱스 및 삼각형 잔류 모델에 대해 거의확실 수렴을 확립한다. 이는 화이트 볼 수의 정확한 渐近 분석을 가능하게 하는 마팅게일 구조를 규명하며, 감소된 치환 행렬의 고유값 비율로 정의된 인덱스 Λ에 따라 명시적인 분산 전개 및 극한 법칙을 제공한다.

ABSTRACT

This is a research endeavor in two parts. We study a class of balanced urn schemes on balls of two colours (say white and black). At each drawing, a sample of size $m\ge 1$ is drawn from the urn, and ball addition rules are applied. We consider these multiple drawings under sampling with or without replacement. We further classify ball addition matrices according to the structure of the expected value into affine and nonaffine classes. We give a necessary and sufficient condition for a scheme to be in the affine subclass. For the affine subclass, we get explicit results for the expected value and second moment of the number of white balls after $n$ steps and an asymptotic expansion of the variance. Moreover, we uncover a martingale structure, amenable to a central limit theorem formulation. This unifies several earlier works focused on special cases of urn models with multiple drawings. The class is parametrized by $Λ$, specified by the ratio of the two eigenvalues of a "reduced" ball replacement matrix and the sample size. We categorize the class into small-index urns ($Λ \frac 1 2$), and triangular urns. In the present paper (Part I), we obtain central limit theorems for small- and critical-index urns and prove almost-sure convergence for triangular and large-index urns. In a companion paper (Part II), we discuss the moment structure of large-index urns and triangular urns.

연구 동기 및 목표

• 다중 추출을 포함한 이전의 잔류 모델 연구를 통합하고 일반화하는 것, 특히 조건부 기대값이 애핀임을 특징으로 하는 것.
• 화이트 볼 수의 기대값의 구조에 따라 균형 잔류 체계를 애핀 및 비애핀 클래스로 분류하는 것.
• 애핀 하위클래스에서 n 단계 이후 화이트 볼 수의 기대값과 이阶모멘트에 대한 명시적 표현을 유도하는 것.
• 소인덱스 및 임계인덱스 잔류 모델(Λ < 1/2 및 Λ = 1/2)에 대해 중심극한정리를 확립하고, 대형인덱스 및 삼각형 잔류 모델에 대해 거의확실 수렴을 제시하는 것.
• 특히 대형인덱스 및 삼각형 잔류 모델에 대해 모멘트 분석 및 극한 법칙의 기초를 마련하는 것.

제안 방법

• 저자들은 각 단계에서 m개의 볼이 추출되며, 복원 또는 비복원 방식을 선택할 수 있는 이중색 균형 잔류 모델의 클래스를 정의하며, 추가되는 볼의 수는 추출된 색상의 멀티셋에 따라 달라진다.
• 각 행이 샘플의 가능한 색 구성에 대응하는 크기 (m+1)×2의 볼 치환 행렬 M을 도입하며, 모든 k에 대해 총 치환량 σ = a_k + b_k 가 일정하도록 강제한다.
• 모델이 애핀 하위클래스에 속하기 위한 필요 및 충분 조건을 도출하며, F_{n-1}에 대한 조건부 기대값 E[W_n | F_{n-1}] 가 형태 E[W_n | F_{n-1}] = α_n W_{n-1} + β_n 를 갖는다.
• 인덱스 Λ는 감소된 치환 행렬의 두 고유값의 비율로 정의되며, 이는 잔류 모델을 소인덱스(Λ < 1/2), 임계인덱스(Λ = 1/2), 대형인덱스(Λ > 1/2), 또는 삼각형 사례로 분류한다.
• 애핀 하위클래스에 대해 마팅게일 구조가 드러나며, 이는 중심극한정리의 적용과 점근적 분산 전개에 기여한다.
• 분석은 모멘트 방법에 기반하며, 대규모 n에 대해 g_n ~ C n^{-Λ} 인 정규화된 마팅게일 W_n = g_n (W_n - E[W_n]) 의 사용을 포함한다.

실험 결과

연구 질문

• RQ1 볼 치환 행렬에 어떤 조건이 성립하면, 화이트 볼 수의 조건부 기대값이 애핀 형태를 갖는가?
• RQ2 감소된 치환 행렬의 고유값 비율로 정의된 인덱스 Λ에 따라, 화이트 볼 수의 기댓값과 분산의 점근적 행동은 어떻게 달라지는가?
• RQ3 소인덱스 및 임계인덱스 잔류 모델(Λ ≤ 1/2)의 애핀 하위클래스에서 화이트 볼 수의 극한 분포를 지배하는 중심극한정리는 무엇인가?
• RQ4 애핀 클래스에서의 마팅게일 구조는 극한 법칙과 분산 전개 유도에 어떻게 기여하는가?
• RQ5 대형인덱스(Λ > 1/2) 및 삼각형 잔류 모델의 점근적 행동은 소인덱스 및 임계인덱스 잔류 모델과 비교해 수렴성 및 모멘트 구조 측면에서 어떻게 다를까?

주요 결과

• 소인덱스 잔류 모델(Λ < 1/2)의 경우, 정규화된 화이트 볼 수는 정규분포로 수렴한다: (W_n - a_m n / (1 - Λ)) / sqrt(n) → N(0, a_m b_0 Λ² / (m (1 - Λ)² (1 - 2Λ))).
• 임계인덱스 잔류 모델(Λ = 1/2)의 경우, 정규화된 화이트 볼 수는 (W_n - 2 a_m n) / sqrt(n log n) → N(0, a_m b_0 / m) 를 만족한다.
• W_n의 분산은 Λ < 1/2일 때는 n에 비례하고, Λ = 1/2일 때는 n log n에 비례하며, Λ > 1/2일 때는 n^{2Λ}에 비례한다.
• 모든 Λ에 대해 W_n의 기댓값은 n에 비례하게 증가하며, 계수는 a_m와 Λ에 따라 달라진다.
• 삼각형 잔류 모델 및 대형인덱스 잔류 모델(Λ > 1/2)의 경우, W_n의 거의확실 수렴이 확립되며, 그 극한은 샘플링 모델에 따라 달라진다.
• 애핀 하위클래스에 대해 분산의 명시적 점근 전개를 도출하였으며, 마팅게일 구조는 이阶모멘트의 정밀한 점근 분석을 가능하게 한다.