[论文解读] Fringe Trees for Random Trees with Given Vertex Degrees

Gabriel Berzunza Ojeda, Cecilia Holmgren+1 more|arXiv (Cornell University)|Dec 7, 2023

Stochastic processes and statistical mechanics被引用 2

一句话总结

该论文建立了在具有指定顶点度数的均匀随机根平面树中，与给定树同构的边缘子树数量的渐近正态性。通过扩展Gao和Wormald的多变量阶乘矩方法，证明了多种子树类型计数的中心极限定理，包括跨多种树类型的联合正态性，其显式方差-协方差结构由极限度分布导出。该结果通过条件化论证进一步推广至随机标号树和简单生成树。

ABSTRACT

We prove asymptotic normality for the number of fringe subtrees isomorphic to any given tree in uniformly random trees with given vertex degrees. As applications, we also prove corresponding results for random labelled trees with given vertex degrees, for random simply generated trees (or conditioned Galton--Watson trees), and for additive functionals. The key tool for our work is an extension to the multivariate setting of a theorem by Gao and Wormald (2004), which provides a way to show asymptotic normality by analysing the behaviour of sufficiently high factorial moments.

研究动机与目标

• 建立在具有给定顶点度数统计的均匀随机平面树中，与固定树同构的边缘子树数量的中心极限定理。
• 通过结构与概率联系，将渐近正态性结果扩展至随机标号树和简单生成树（如条件化Galton–Watson树）。
• 以极限度分布为基准，精确刻画边缘子树计数的极限方差与协方差结构。
• 将Gao和Wormald（2004）的单变量阶乘矩方法推广至多变量情形，用于证明随机树模型中渐近正态性。

提出的方法

• 将Gao和Wormald（2004）的多变量阶乘矩方法扩展至证明多种边缘子树类型联合计数的渐近正态性。
• 分析每类边缘子树数量的高阶阶乘矩行为，证明其收敛至多变量正态分布。
• 定义一个涉及极限度分布p和树特异性参数（如|T|和nT(i)）的协方差结构γp(T,T′)，该结构控制渐近方差与协方差。
• 利用Vervaat变换及树与桥路之间的一一对应关系，将条件化Galton–Watson树与具有固定面积的随机游走联系起来，从而实现阶乘矩的计算。
• 应用独立同分布随机变量和的局部极限定理（无论方差有限或无限），以估计条件化随机游走路径的概率。
• 推导出条件化Galton–Watson树中度数计数的阶乘矩的精确表达式，并在适当缩放下证明其收敛至多变量正态极限。

实验结果

研究问题

• RQ1 当树的规模趋于无穷时，在具有给定顶点度数的均匀随机平面树中，与固定树T同构的边缘子树数量是否收敛至正态分布？
• RQ2 在这样的随机树中，多种不同边缘子树类型的计数的极限方差与协方差结构是什么？
• RQ3 边缘子树计数的渐近分布如何依赖于树系综的极限度分布p？
• RQ4 多变量阶乘矩方法能否被扩展以证明具有固定度统计的随机树模型中边缘子树计数的联合渐近正态性？
• RQ5 这些结果在多大程度上可推广至随机标号树和简单生成树？它们的边缘子树分布与条件化Galton–Watson模型有何关联？

主要发现

• 当κ→∞时，与固定树T同构的边缘子树数量依分布收敛至正态分布，其均值为|nκ|πp(T)，方差为γp(T,T)|nκ|。
• 对于任意有限组固定树T1,…,Tm，其归一化计数的联合分布收敛至均值为零、协方差矩阵为(γp(Ti,Tj))i,j=1m的多变量正态分布。
• 当πp(T)>0且|T|>1时，极限方差γp(T,T)为正，确保此类情况下渐近正态性非退化。
• 当πp(T)=0时，其均值与方差仍可由|n|πp(n)(T)与|n|γp(n)(T,T)分别良好逼近，误差项为O(1)。
• 通过其度数统计与条件化Galton–Watson过程在给定度数约束下的等价性，该结果可推广至随机标号树和简单生成树。
• 证明依赖于一个改进的局部极限定理，适用于独立同分布增量部分和的收敛，该定理在后代分布方差有限或无限的假设下均成立。