[论文解读] A Berry-Esseen bound with applications to counts in the Erd\"os-R\'enyi random graph

Larry Goldstein|arXiv (Cornell University)|May 24, 2010

Random Matrices and Applications被引用 2

一句话总结

本文使用 Stein 方法结合递推式大小偏倚耦合技术，在 Erdős-Rényi 随机图的顶点度数计数背景下建立了 Berry-Esseen 不等式，消除了对有界耦合的依赖。主要贡献是针对特定度数的顶点计数，提出了一个定量的正态近似不等式，通过新颖的耦合与归纳方法推导出明确的误差率。

ABSTRACT

Applying Stein's method, an inductive technique and size bias coupling yields a Berry-Esseen theorem for normal approximation without the usual restriction that the coupling be bounded. The theorem is applied to counting the number of vertices in the Erdos-Renyi random graph of a given degree.

研究动机与目标

• 将随机图理论中正态近似不等式的适用范围扩展至标准有界依赖结构要求之外。
• 解决在稀疏 Erdős-Rényi 随机图中对特定度数的顶点计数分布进行近似的问题。
• 开发一种可推广的正态近似方法，适用于具有无界依赖关系的伯努利变量之和。
• 为随机图中度数计数的正态近似提供定量误差界，优于现有结果。

提出的方法

• 本文应用 Stein 方法进行正态近似，利用递推式大小偏倚耦合技术处理无界依赖关系。
• 为表示顶点度数的指示变量之和构建大小偏倚耦合，从而推导出误差界。
• 递推结构使得该方法能够将矩界通过随机图的依赖结构进行传播。
• 该方法避免了通常对耦合有界的假设，使其可应用于更广泛的图模型。
• 使用 Stein 方法中的关键不等式，以有界 Wasserstein 距离控制度数计数分布与正态分布之间的差异。
• 该方法针对 Erdős-Rényi 模型的特定结构进行定制，利用了顶点度数的对称性与可交换性。

实验结果

研究问题

• RQ1 是否可以在不假设大小偏倚耦合有界的情况下，为 Erdős-Rényi 随机图中的顶点度数计数建立 Berry-Esseen 不等式？
• RQ2 在存在无界依赖关系的情况下，递推式大小偏倚耦合技术如何改进正态近似误差界？
• RQ3 在 Erdős-Rényi 随机图中，固定度数的顶点数量收敛到正态分布的速率是多少？
• RQ4 在由随机图产生的依赖和项中，Stein 方法在多大程度上可被调整以处理无界依赖关系？
• RQ5 所提出的方法能否为稀疏随机图中的度数计数提供显式且非渐近的误差界？

主要发现

• 本文为 Erdős-Rényi 随机图中给定度数的顶点数量建立了 Berry-Esseen 不等式，并给出了明确的误差率。
• 误差界在不假设大小偏倚耦合有界的情况下推导得出，扩展了 Stein 方法在无界依赖结构中的适用范围。
• 递推式大小偏倚耦合技术使得对正态近似中误差项的控制更加紧密。
• 该方法得出了度数计数分布与正态分布之间 Wasserstein 距离的非渐近界。
• 该界依赖于稀疏性参数和目标度数，反映了图的方差与依赖结构。
• 该结果为稀疏随机图中度数计数的正态近似提供了定量依据，即使在依赖关系无界的情况下也成立。