[论文解读] The limit shape of random permutations with polynomially growing cycle weights

Alessandra Cipriani, Dirk Zeindler|arXiv (Cornell University)|Dec 12, 2013

Bayesian Methods and Mixture Models参考文献 28被引用 12

一句话总结

本文通过生成函数与鞍点法，研究了在多项式增长循环权重下，随机排列对应的杨图的极限形状。证明了极限形状附近的波动渐近服从正态分布，并揭示了不同点处联合波动之间存在非平凡的依赖结构，将经典关于Ewens与Plancherel测度的结果推广至更广泛的乘性测度类。

ABSTRACT

In this work we are considering the behavior of the limit shape of Young diagrams associated to random permutations on the set $\{1,\dots,n\}$ under a particular class of multiplicative measures. Our method is based on generating functions and complex analysis (saddle point method). We show that fluctuations near a point behave like a normal random variable and that the joint fluctuations at different points of the limiting shape have an unexpected dependence structure. We will also compare our approach with the so-called randomization of the cycle counts of permutations and we will study the convergence of the limit shape to a continuous stochastic process.

研究动机与目标

• 刻画在多项式增长循环权重的乘性测度下，随机排列对应的杨图的极限形状。
• 分析极限形状附近波动的渐近行为，特别是其分布与依赖结构。
• 将Ewens与Plancherel测度的经典结果推广至具有多项式增长权重的更广泛测度类。
• 研究归一化形状过程在 $ n \to \infty $ 时收敛到连续随机过程的性质。

提出的方法

• 作者使用生成函数与复分析，特别是鞍点法，分析在给定测度下划分函数的渐近行为。
• 定义生成函数 $ g_{\theta}(t) = \sum_{m=1}^\infty \vartheta_m t^m $，其中 $ \vartheta_m \sim (\log m)^j m^\alpha / \Gamma(\alpha+1) $，并通过分析其奇点提取渐近行为。
• 通过参数 $ A_n $ 与 $ B_n $ 的缩放（满足 $ A_n B_n = n $）得到杨图的归一化形状，确保归一化形状下的面积为单位面积。
• 利用多变量生成函数与矩母函数研究多个点处的联合波动，并通过 $ \widetilde{w}_n^\mathbf{s}(x) $ 进行归一化。
• 将欧拉-麦克拉劳林公式推广至非整数边界，以处理生成函数渐近分析中的离散求和。
• 分析过程包括证明关键函数的 log-$ n $-可接受性，并利用鞍点近似控制渐近展开中的误差项。

实验结果

研究问题

• RQ1 在具有多项式增长循环权重的乘性测度下，随机排列对应的杨图的极限形状是什么？
• RQ2 极限形状附近的波动行为如何——特别是，它们是否渐近服从正态分布？
• RQ3 极限形状上不同点处的联合波动之间存在怎样的依赖结构？
• RQ4 当 $ n \to \infty $ 时，归一化形状过程如何收敛到连续随机过程？

主要发现

• 归一化杨图的极限形状几乎必然收敛到一个确定性函数 $ w_\infty(x) $，该函数由生成函数 $ g_\theta(t) $ 的渐近行为导出。
• 在极限形状的任意固定点附近，波动渐近服从正态分布，其方差由生成函数在鞍点处的二阶导数控制。
• 在两个不同点 $ x_1 $ 与 $ x_2 $ 处的联合波动表现出非平凡的依赖结构，非独立，由矩母函数中的协方差项体现。
• 某一点波动的方差按 $ O((x_2 - x_1)^2) $ 规模缩放，表明形状上不同位置之间存在非马氏依赖。
• 归一化形状过程 $ A_n w_n(B_n x) $ 在分布上收敛到一个连续随机过程，其极限由生成函数 $ \exp(g_\theta(t)) $ 描述。
• 该方法可推广至一般权重 $ \vartheta_m \sim \text{const} \cdot (\log m)^j m^\alpha $，其中条件 $ \beta < \alpha/2 $ 确保收敛。