[论文解读] An asymptotic distribution theory for Eulerian recurrences with applications

Hsien‐Kuei Hwang, Hua‐Huai Chern+1 more|arXiv (Cornell University)|Jul 4, 2018

Advanced Combinatorial Mathematics参考文献 204被引用 4

一句话总结

本文为形如 $ P_n(v) = (\alpha(v)n + \gamma(v))P_{n-1}(v) + \beta(v)(1-v)P_{n-1}'(v) $ 的欧拉型线性递推建立了全面的渐近分布理论，采用矩法与解析组合学方法。该理论揭示了在超过500个具体实例中存在广泛的极限分布——包括正态分布、贝塔分布、瑞利分布、泊松分布及梅特莱夫分布——展示了在简单递推框架下出人意料的丰富性，并通过Berry-Esseen界提供了收敛速率。

ABSTRACT

We study linear recurrences of Eulerian type of the form \[ P_n(v) = (α(v)n+γ(v))P_{n-1}(v) +β(v)(1-v)P_{n-1}'(v)\qquad(n\ge1), \] with $P_0(v)$ given, where $α(v), β(v)$ and $γ(v)$ are in most cases polynomials of low degrees. We characterize the various limit laws of the coefficients of $P_n(v)$ for large $n$ using the method of moments and analytic combinatorial tools under varying $α(v), β(v)$ and $γ(v)$, and apply our results to more than two hundred of concrete examples when $β(v) e0$ and more than three hundred when $β(v)=0$ that we gathered from the literature and from Sloane's OEIS database. The limit laws and the convergence rates we worked out are almost all new and include normal, half-normal, Rayleigh, beta, Poisson, negative binomial, Mittag-Leffler, Bernoulli, etc., showing the surprising richness and diversity of such a simple framework, as well as the power of the approaches used.

研究动机与目标

• 为 $\alpha(v)$、$\beta(v)$ 与 $\gamma(v)$ 中多项式系数的欧拉递推建立一般渐近分布理论。
• 在不同参数区域内，刻画 $P_n(v)$ 系数在 $n$ 很大时的极限分布。
• 统一并扩展由排列统计与欧拉多项式导出的已知极限分布（如正态、贝塔、泊松分布）。
• 为由此类递推导出的中心极限定理提供收敛速率，包括Berry-Esseen界。
• 系统性地汇编并分析来自文献与OEIS的500多个具体实例，识别其极限分布。

提出的方法

• 使用矩法分析 $P_n(v)$ 中系数分布的中心矩的渐近行为。
• 利用递推关系导出的偏微分方程（PDE）来建模生成函数的动力学。
• 应用奇点分析与准幂逼近方法，从生成函数中提取渐近分布。
• 借助复分析工具与准幂定理，在 $\alpha(v)$、$\beta(v)$ 与 $\gamma(v)$ 变化时建立中心极限定理。
• 引入参数化框架 $\mathscr{E}_k\langle\!\langle \alpha(v), \beta(v); \gamma(v) \rangle\!\rangle$ 以分类和分析递推族。
• 将结果扩展至非齐次递推、涉及 $P_{n-2}(v)$ 的递推以及递推系统，以扩大适用范围。

实验结果

研究问题

• RQ1 当 $n \to \infty$ 时，形如 $ P_n(v) = (\alpha(v)n + \gamma(v))P_{n-1}(v) + \beta(v)(1-v)P_{n-1}'(v) $ 的欧拉递推会产生哪些极限分布？
• RQ2 参数 $\alpha(v)$、$\beta(v)$ 与 $\gamma(v)$——尤其是低次多项式——如何影响极限分布的类型与参数？
• RQ3 可为由此类递推导出的中心极限定理建立哪些收敛速率（例如Berry-Esseen界）？
• RQ4 在此框架下，非正态极限分布（如贝塔分布、瑞利分布或梅特莱夫分布）是否可能出现？在 $\alpha(v)$ 与 $\beta(v)$ 的何种条件下会出现？
• RQ5 如何系统性地应用该理论，以分类并预测已知OEIS序列与文献中序列的极限行为？

主要发现

• 当 $ (\alpha(v), \beta(v)) = (qv, qv) $ 时，系数分布收敛于 $ \mathscr{N}\bigl(\frac{1}{2}n, \frac{1}{12}n\bigr) $，收敛速率为 $ O(n^{-1/2}) $。
• 当 $ (\alpha(v), \beta(v)) = (qv, v) $ 时，极限为 $ \mathscr{N}\bigl(\frac{q}{q+1}n, \frac{q^2}{(q+1)^2(q+2)}n\bigr) $，具有显式方差与 $ O(n^{-1/2}) $ 收敛速率。
• 当 $ (\alpha(v), \beta(v)) = (v^2, v(1+v)) $ 时，极限为 $ \mathscr{N}\bigl(\frac{2}{3}n, \frac{8}{45}n\bigr) $，即使在二次系数下也表现出正态性。
• 当 $ \beta(v) = 0 $ 时，出现非正态分布：对于 $ (\alpha(v), \beta(v)) = (p+qv, 0) $，极限为 $ \mathscr{N}\bigl(\frac{q}{p+q+1}n, \frac{q(p+1)(p+q)}{(p+q+1)^2(p+q+2)}n\bigr) $，表明其广泛应用性。
• 当 $ \frac{\beta}{\alpha} = -1 $ 时，极限为贝塔分布，包括均匀分布 $ \text{Beta}(1,1) $ 与反正弦分布 $ \text{Beta}(\frac{1}{2},\frac{1}{2}) $。
• 当 $ \frac{\beta}{\alpha} = -\frac{1}{2} $ 时，极限为瑞利分布或半正态分布，例如 $ (\alpha(v), \beta(v)) = (\frac{1}{2}(1+v^2), \frac{1}{2}(1+v^2)) \Rightarrow \mathscr{N}(\frac{1}{2}n, \frac{5}{12}n) $。