Probabilistic Method 7.7 M1 林 7.7の内容 • 7.6のTALAGRANDの不等式の応用 • 定理7.7.1 • example1 ランダム[0,1]ベクトルのLISの平均長さ • example2 ランダムグラフG(n, ½)がサイズkのクリークを含 まない確率(7.3.2の結果の改善) リプシッツ • x と y の成分が一つしか違わないとき、 必ず|h(x) – h(y) | ≦1が成り立つならば、 h はリプシッツ条件を満たすという。 x = (x1 , ... , xn), y = (y1, ... , yn)∈Ω h : Ω→R f-certifiable • 定義3 h(x)≧sのとき、 I ⊆ {1, … , n} ( |I|≦f(s) )が存在して、 すべての i ∈ I で xi = yi となるような すべての y∈Ωについて h(y)≧s であることを h は f-certifiable であるという。 定理7.7.1 h が リプシッツかつ f-certifiable のとき、 任意の b, t について、 Pr[ X b t f (b) ] Pr[ X b] e t 2 / 4 リプシッツ条件のかわりにK-リプシッツのときは、 Pr[ X b tK f (b) ] Pr[ X b] e t 2 / 4 定理7.7.1を証明するために、以下の主張を証明。 A {x : h( x) b t f (b)} とする。 主張1 : h( y) b y At At = {xΩ: ρ(A,x) t } y At A {x : h( x) b t f (b)} A h(y)≧b 主張1の証明 • 背理法 h( y) bかつy Atを仮定する。 h は f-certifiable で h(y)≧bなので、定義3を満たす ような I ⊆ {1, … , n} をとることができる。 At = {xΩ: ρ(A,x) t } y :h(y)≧b A A {x : h( x) b t f (b)} 主張1の証明 距離の定義より、どんなアドバーサリの移動コストに対 しても、t 以下のコストで y に移動できるような z∈A が 存在する。 0 if i I 移動コストを i 1/ 2 | I | if i I y z A と取る。 y と z の第 i 成分が違う個数は、 i I で t | I | t f (b) 個以下。 ① (それを超えるとコストt以下に矛盾) 主張1の証明 y‘ を以下のように作る。 yi if i I y'i zi if i I hはf-certifiable なので、h(y’) ≧ b。 また、y’ は z のi ∈Iの成分を yi で y z A 置き換えたものなので、y’ と z の間の 成分が違う個数は、前ページの ① より 高々 t f (b) 個。 主張1の証明 y’ と z は高々 t f (b) 個の違いなのでリプシッツ条件より | h( z) h( y' ) | t f (b) h(y’) ≧ b、z∈Aより h( z) b t f (bなのでh(y’)>h(z) ) h( z) h( y' ) t f (b) b t f (b) よって となるが h( z) b t y z A f (b) と矛盾する。 よって、主張1が証明できた。 定理7.7.1の証明 • Talagrand’s Theorem より、 PrA1 PrAt e t 2 / 4 • 主張1より、 A {x : h( x) b t f (b)} としたとき、1-Pr[At] ≧ Pr[X≧b] なので、 Pr X b t f (b) Pr[ X b] e t 2 / 4 証明終 定理7.7.1より • 任意のb, t について、 Pr X b t f (b) Pr[ X b] e t 2 / 4 よって、b = m (m は Xのメディアン)とおけば、 Pr X m t f (m) e t 2 / 4 / Pr[ X m] 同様に、b - t f(b)1/2 = m とおけば、 Pr X m t f (m) e t 2 / 4 / Pr[ X m] Xの値はメディアンからそんなに離れない。 応用例1 x=(x1, … , xn) (xi は[0, 1]から一様、独立に選ぶ) X=h(x)を、xのLIS(最長増加部分列)の長さとする ほとんどすべてXがメディアンに近いことを示す。 ・一つの成分の値を変えただけではLISの長さは高々1 しか変わらない。(リプシッツ条件) ・f(s) = sとすると、h は f-certifiable (xのLISの要素s個だけ固定しておけばh(x’) ≧ s を保つ) 応用例1 • 定理7.7.1より Pr X m t m e t 2 / 4 / Pr[ X m] 2e (mはXのメディアン) • ここで、 m ( n ) であるから(ホワイトボード) s>>n1/4 とすると、Pr[X≦m-s]→0 よって、Pr[X-m>-s]→1 t 2 / 4 応用例1 • 定理7.7.1でb - t b1/2 = mとなるようにbをとると、 PrX b e t 2 / 4 / Pr[ X m] 2e t 2 / 4 (mはXのメディアン) • t をゆっくり増加させると、Pr[X≧b]→0 つまり Pr[X≦b]→1 となる。 b=m+(1+o(1) ) t m1/2 となって、 Pr[X≦m+tm1/2]→1 つまり、s>>n1/4 とすると、 Pr[X-m≦s]→1 Pr[X-m>-s]→1の結果とあわせて、Pr[|X-m|<s] → 1. 応用例2 • ランダムグラフ G=(n, ½)がkクリークを持たな い確率 n 2 Pr[ (G )] k ] exp 6 ln n 7.3.2の結果は、 ここが8乗だった n 2 Pr[ (G )] k ] exp 6 ln n の証明 枝素なkクリークの最大個数:Y=h(G) ・E[Y] = Ω(n2k-4) (7.3.2の結果) ・Gの枝を一つ変えても、枝素なkクリークの数は高々 一つしか変化しない(リプシッツ条件) k ・ f ( s) sとすると、h は f-certifiable 2 ・定理7.7.1より、 k t 2 / 4 Pr Y m t m Pr[Y m] e 2 (mはYのメディアン) Pr[ (G )] k ] Pr[Y 0] k Pr[Y m t m ] 2 e t 2 / 4 2e t k m / 2 Pr[ (G)] k ] 2e / Pr[Y m] t 2 / 4 とすると、m=Ω(n2k-4)より t / 4 2 n2 exp[ 6 ] k Pr[ (G)] k ] 2e t / 4 2 n2 exp[ 6 ] k • k~log n を代入して、 n 2 Pr[ (G )] k ] exp 6 ln n
© Copyright 2024 ExpyDoc