[论文解读] Minimal spanning trees and Stein's method

Sourav Chatterjee, Sanchayan Sen|arXiv (Cornell University)|Jul 5, 2013

Stochastic processes and statistical mechanics参考文献 54被引用 7

一句话总结

本文通过新颖地应用 Stein 方法，建立了在泊松点过程和 $Δ^d$ 网格模型中最小生成树（MST）总权重的中心极限定理（CLT）的收敛速率界限。通过将问题与渗滤理论估计联系起来——特别是通过定量改进 Burton-Keane 论证——推导出显式的误差界限，解决了自 Kesten 和 Lee 的奠基性工作以来长期悬而未决的关于 MST CLT 收敛速率的开放问题。

ABSTRACT

Kesten and Lee [36] proved that the total length of a minimal spanning tree on certain random point configurations in $\mathbb{R}^d$ satisfies a central limit theorem. They also raised the question: how to make these results quantitative? However, techniques employed to tackle the same problem for other functionals studied in geometric probability do not apply directly to the minimal spanning tree. Thus the problem of determining the convergence rate in the central limit theorem for Euclidean minimal spanning trees has remained open. In this work, we establish bounds on the convergence rate for the Poissonized version of this problem by using a variation of Stein's method. We also derive bounds on the convergence rate for the analogous problem in the setup of the lattice $\mathbb{Z}^d$. The contribution of this paper is twofold. First, we develop a general technique to compute convergence rates in central limit theorems satisfied by minimal spanning trees on sequence of weighted graphs which includes minimal spanning trees on Poisson points. Secondly, we present a way of quantifying the Burton-Keane argument for the uniqueness of the infinite open cluster. The latter is interesting in its own right and based on a generalization of our technique, Duminil-Copin, Ioffe and Velenik [28] have recently obtained bounds on probability of two-arm events in a broad class of translation-invariant percolation models.

研究动机与目标

• 为 $Δ^d$ 中泊松点过程上最小生成树总权重的中心极限定理提供显式的误差界限。
• 将这些收敛速率估计扩展到在一般边权假设下 $Δ^d$ 整数格点子图上的 MST。
• 开发一种使用 Stein 方法界定加权图上 MST 的中心极限定理收敛速率的一般技术。
• 对无限簇唯一性问题的 Burton-Keane 论证进行量化，得出具有独立兴趣的新渗滤估计。
• 弥合几何概率中定性 CLT 结果与定量误差估计之间的差距，尤其针对 MST。

提出的方法

• 应用了 Stein 方法的一种变体，利用 [24, 38] 中的近似定理，将 MST CLT 的收敛速率与某些渗滤事件的尾概率联系起来。
• 该方法将问题简化为在连续和格点渗滤模型中控制‘两臂’和‘三臂’事件的概率。
• 关键创新在于对 Burton-Keane 论证进行定量重构，以证明无限开簇的唯一性，使用了所提技术的广义版本。
• 分析涉及基于包含在增长方盒中簇连通性相关罕见事件指示函数的函数 $f(X)$ 的构造，并应用 Efron-Stein 不等式进行方差分解。
• 通过在 $Δ^d$ 中使用三叉盒构造，控制远距离区域间多个簇连接的概率，从而导出指数衰减界限。
• 通过将渗滤估计与 Stein 方法中的矩界限相结合，推导出收敛速率，当满足适当条件时，误差率类型为 $O(n^{-1/2})$。

实验结果

研究问题

• RQ1 在 $Δ^d$ 中泊松分布点上的最小生成树总权重的中心极限定理中，收敛到正态分布的速率是什么？
• RQ2 能否对 Burton-Keane 论证进行量化，以得出渗滤模型中多重连接概率的显式界限？
• RQ3 如何将 Stein 方法调整以处理如 MST 总权重这类非指数稳定泛函？
• RQ4 在具有通用 i.i.d. 边权的 $Δ^d$ 子图上，MST 总权重的收敛速率界限是什么？
• RQ5 本文开发的技术能否推广到一大类平移不变渗滤模型中，以得出两臂和三臂事件的界限？

主要发现

• 本文为 $[0,n^{1/d}]^d$ 中泊松点上的最小生成树总权重的中心极限定理的收敛速率建立了显式的 $O(n^{-1/2})$ 阶误差界限。
• 对于 $Δ^d$ 网格，在边权具有温和的矩和混合条件时，收敛速率被限制在 $O(n^{-1/2})$。
• 作者推导出 Burton-Keane 论证的定量版本，表明三叉盒（表示多个簇）的概率至多为 $c rac{a_n^d}{n} e^{c' a_n}$，当 $a_n = \log n / 2$ 时，该概率呈多项式衰减。
• 两臂事件（即两条不相交路径连接远距离区域）的概率被限定为 $O(a_n^{-d/2})$，当 $a_n \to \infty$ 时该概率衰减。
• 该方法为顶点传递图上的 MST 建立了一般中心极限定理，收敛速率取决于底层渗滤模型中连通概率的衰减速率。
• 结果被推广到问题的泊松化版本，提供了自 Kesten 和 Lee 原始定性结果以来，MST CLT 收敛速率的首次定量界限。