[论文解读] Cycle type of random permutations: A toolkit

Kevin Ford|arXiv (Cornell University)|Apr 24, 2021

Analytic Number Theory Research参考文献 51被引用 6

一句话总结

本文提出了一套组合与概率工具，用于分析对称群 $\mathcal{S}_n$ 中随机排列的循环类型，重点在于统一且定量的结果，附带显式的误差界。研究结果表明，每种长度 $j$ 的循环数量近似服从参数为 $1/j$ 的泊松分布，且对不相交的循环长度集合，其计数在渐近意义上相互独立，收敛速率通过基本的概率与分析方法推导得出。

ABSTRACT

We prove a number of results, new and old, about the cycle type of a random permutation on S_n. Underlying our analysis is the idea that the number of cycles of size k is roughly Poisson distributed with parameter 1/k. In particular, we establish strong results about the distribution of the number of cycles whose lengths lie in a fixed but arbitrary set I. Our techniques are motivated by the theory of sieves in number theory.

研究动机与目标

• 为 $\mathcal{S}_n$ 中随机排列的循环类型分布的基本结果提供一个统一且易于理解的参考。
• 开发通用且可适应的方法，避免依赖复杂的生成函数或递推关系。
• 建立循环计数分布的定量且统一的误差界，包括联合分布与条件分布。
• 与数论类比（如素因数分解）建立联系，同时考虑其结构差异。
• 提供一个自包含的、初等的工具包，适用于组合数学、群论和数论中的应用。

提出的方法

• 采用泊松近似模型：$C_j(\sigma)$ 近似服从 $\text{Poisson}(1/j)$，误差界通过集中不等式推导。
• 应用 Chen-Stein 方法与局部极限定理，控制循环计数偏离其泊松期望的偏差。
• 利用斯特林公式与欧拉-麦克拉林求和公式，近似泊松概率之和，并将其与正态分布关联。
• 使用恒等式 $\mathbb{P}_n(C_I(\sigma) = k) \approx \exp\left(-H(I)\right) \frac{H(I)^k}{k!}$，其中 $H(I) = \sum_{j \in I} \frac{1}{j}$，并附带显式误差项。
• 通过尾部估计与积分比较，推导泊松分布正态近似中误差的界。
• 利用对 Dickman 函数 $\rho(u)$ 的递推估计，建立所有 $j$ 与集合 $I$ 上循环计数分布相对误差的统一界。

实验结果

研究问题

• RQ1 在均匀随机排列 $\sigma \in \mathcal{S}_n$ 中，长度为 $j$ 的循环数量的分布是什么？
• RQ2 对于不相交集合 $I \subseteq [n]$，$C_I(\sigma)$ 的联合行为如何？其渐近独立性的收敛速率是什么？
• RQ3 给定总循环数 $C(\sigma) = k$ 时，$C_I(\sigma)$ 的条件分布是什么？
• RQ4 泊松模型对 $C_I(\sigma)$ 分布的近似效果如何？其定量误差界是什么？
• RQ5 随机排列中最小与最大循环长度的分布是什么？其随 $n$ 的缩放行为如何？

主要发现

• 长度为 $j$ 的循环数量 $C_j(\sigma)$ 渐近服从 $\text{Poisson}(1/j)$，总变差距离误差为 $O(1/j^2)$。
• 对任意有限集合 $I$，$C_I(\sigma)$ 的分布渐近服从参数为 $H(I) = \sum_{j \in I} \frac{1}{j}$ 的泊松分布，当 $H(I) \to \infty$ 时，误差为 $O(1/H(I)^3)$。
• 对不相交集合 $I_1, \dots, I_k$，$C_{I_1}(\sigma), \dots, C_{I_k}(\sigma)$ 的计数渐近独立，误差为 $O(1/\min H(I_j)^3)$。
• 总循环数 $C(\sigma)$ 满足中心极限定理：$\frac{C(\sigma) - H_n}{\sqrt{H_n}} \to N(0,1)$ 在分布上收敛，Kolmogorov 距离误差为 $O(1/\sqrt{H_n})$。
• 最大循环长度的分布集中在 $n/e$ 附近，以高概率有 $\text{Largest cycle} \leq n(1 - \log 2) + o(n)$。
• 当 $H(I) \to \infty$ 时，$\sigma$ 不含 $I$ 中长度循环的概率为 $\exp\left(-H(I)\right) + O\left(\frac{1}{H(I)^3}\right)$。