7.4 Two General Settings D3 杉原堅也 7.4 節の内容 定理 7.4.1 定理 7.4.2 定理 7.4.3 この節でやることを大雑把に言うと, ランダムグラフ G(n, p) を一般化したもの(正確にはもっと一 般的なものを扱う)を対象として、マルチンゲールを定義し、2 つの不等式を紹介する. 定義 1 A, B をある集合とし, AB を関数 g : B → A の集合とする. g(b) の確率を Pr[ g (b) a] pab とし,互いに独立とする. 例: A = {0, 1}, B をグラフG (節点数n) の節点ペアの集合, とすれば, g ∈ AB は n節点のグラフとみなせる. g(vw)=1 g(wx)=1 w x g(xv)=0 全ての節点ペア b ∈ B で p1b = p, p0b = 1- p とすれば, g はランダムグラフ G(n, p). A = {0, 1} B = {vw, wx, xv} v B1 B2 定義 2 B3 B4 gradation B0 B1 Bm B を固定, L : AB を汎関数(e.g., クリーク数)とする. マルチンゲール X 0 , X 1 ,, X m を次のように定義. X i (h) E[ L( g ) | b Bi , g (b) h(b)]. A b ∈ Bi で g(b)=h(b) B X 0 = E[L(g)] : 定数. b ∈ Bi+1 で g(b)=h(b) X m(h) = L(h) . Xi(g) の値は g(b) が「公開される」につれて L(g) に近づく. B1 B2 定義 2 B3 B4 gradation B0 B1 Bm B を固定, L : AB を汎関数(e.g., クリーク数)とする. マルチンゲール X 0 , X 1 ,, X m を次のように定義. X i (h) E[ L( g ) | b Bi , g (b) h(b)]. A B b ∈ Bi で g(b)=h(b) b ∈ Bi+1 で g(b)=h(b) Xi の値は b ∈ Bi だけが寄与する. Xi+1 の値は b ∈ Bi+1- Bi の寄与が新たに加わる. リプシッツ条件 汎関数 L の,gradation B0 B1 Bm B に関するリプシッツ条件. 全ての 0 i m に対し, h, h’ が Bi 1 Bi 上でのみ異なる | L(h' ) L(h) | 1 定理 7.4.1 定理 7.4.1 L が B0 B1 Bm B に関するリプシッツ条 件を満足するとき,対応するマルチンゲールは 全ての 0 i m, h AB で, | X i 1 (h) X i (h) | 1. 系 7.2.2 (前回のスライド) X0,…,Xm をマルチンゲール、X0 = c とし、 |Xi+1–Xi| ≦ 1 が 0 ≦ i < m について成り立つとする。 このとき、次が成り立つ。 Pr X m c m 2e 2 2 定理 7.4.1(証明) X i (h) E[ L( g ) | b Bi , g (b) h(b)]. H: b ∈ Bi+1 で h’(b) = h(b) となる h’ ∈ AB の集合. h H AB wh’ を条件付き確率とすると (条件は,b ∈ Bi+1 で h(b) = g(b)), (つまり, wh Pr[ g h | b Bi 1 , g (b) h)(b)] X i 1 (h) L(h)w hH h 定理 7.4.1(証明) X i (h) E[ L( g ) | b Bi , g (b) h(b)]. H: b ∈ Bi+1 で h’(b) = h(b) となる h’ ∈ AB の集合. h H AB h H[h’]: b ∈ Bi で h’(b) = h*(b) となる h*の集合. H[h’] qh* を以下の条件付き確率とすると, qh* Pr[ b Bi 1 , g (b) h * (b) | b Bi , g (b) h(b)] X ( h) L ( h ) q w i hH hH [ h ] wh Pr[ g h | b Bi 1 , g (b) h(b)] h h qh* wh Pr[ g h* | b Bi , g (b) h(b)] qh* wh Pr[ g h | b Bi 1 , g (b) h(b)] Pr[ b Bi 1 , g (b) h * (b) | b Bi , g (b) h(b)] Pr[ g h* | b Bi 1 , g (b) h * (b)] Pr[ b Bi 1 , g (b) h * (b) | b Bi , g (b) h(b)] Pr[ b Bi 1 , g (b) h * (b) b Bi , g (b) h(b)] Pr[ g h* | b Bi 1 , g (b) h * (b)] Pr[ b Bi , g (b) h(b)] Pr[ g h * b Bi 1 , g (b) h * (b)] Pr[ g h * b Bi , g (b) h * (b)] Pr[ b Bi , g (b) h(b)] Pr[ b Bi , g (b) h(b)] Pr[ g h* | b Bi , g (b) h * (b)] Pr[ A | B] Pr[ B | C ] A B C Pr[ A | B] Pr[ B | C ] Pr[ A | C ] qh* Pr[ b Bi 1 , g (b) h * (b) | b Bi , g (b) h(b)] wh Pr[ h | b Bi 1 , g (b) h(b)] 定理 7.4.1(証明) | X i 1 (h) X i (h) | wh L(h) L(h )qh hH hH [ h ] wh hH hH [ h ] qh L(h) L(h ) . h’ と h* は Bi+1-Bi 上でのみ異なるので, 仮定からリプシッツ条件 | L(h) L(h*) | 1 が成立. | X i 1 (h) X i (h) | X i 1 (h) w q hH L(h)wh hH h h hH [ h ] w hH X i ( h) h 1 L( h ) q w hH h H [ h ] h h 定理 7.4.2 定理 7.4.2 E[ L( g )] とおく. L がリプシッツ条件を満足するとき, 全ての 0 で, PrL( g ) m e Pr L( g ) m e 2 / 2 2 / 2 , . X m L( g ) X 0 EL( g ) 定理 7.2.1(前回のスライド) X0,…,Xm をマルチンゲール、X0 = 0 とし、 |Xi+1–Xi| ≦ 1 が 0 ≦ i < m について成り立つとする。 > 0 を任意に選ぶとき、次が成り立つ。 Pr X m m e (Azumaの不等式) 2 2 系 7.2.2 (前回のスライド) X0,…,Xm をマルチンゲール、X0 = c とし、 |Xi+1–Xi| ≦ 1 が 0 ≦ i < m について成り立つとする。 このとき、次が成り立つ。 Pr X m c m 2e 2 2 ※初期値が 0 でない場合に拡張しただけ。 準備 Alonら(1997)による本発表2つ目の設定. 確率空間を有限で独立な Yes/No choice とする. indexを i ∈ I. choice i は確率 pi で Yes. この確率空間上の確率変数 Y が与えられる. ・ I: 質問の有限集合. ・ 質問 i ∈ I をオラクルに投げると確率 pi で Yes. (choice) ・ 各質問の答えがYes/Noとなる確率は互いに独立. ・ 質問の答えによって決まる値が Y. 準備 i 以外の質問の答えを固定した時,質問 i の答えが 反転しても Y は高々 ci だけ増減するとする. ci を i の effect と呼ぶ. C を全ての ci の上界とする. 2 pi (1 pi )ci を choice i の分散とよぶ. Solitaire Game ソリティアゲーム - 1人で遊ぶゲーム (e.g., パズル,クロンダイク) Paul はある値 Y を見つけるため,(いつも正しく答えを返す) オラクルに質問 i ∈ I を投げる. - Paul は前の質問に依存した質問を選んでよい. - Paul の戦略は決定木で表せる. root 3 Yes 1つのパスに対してY の値が1つ決まる パス(line of questioning)が含むchoice i の分散の合計を そのline of questioning の分散とよぶ. No 2 Yes 3 Yes 1 No Yes 4 No 定理 7.4.3 定理 7.4.3 全てのε> 0 に対し,以下が成り立つようなδ> 0 が存在する. Paul の戦略において,任意のline of questioningの分散が高々 σ2 のとき,全ての α> 0 に対し, Pr | Y E[Y ] | 2e ただし,α (> 0) は 2 2 (1 ) C (1 ) を満たす. . 定理 7.4.3 の応用 Pr | Y E[Y ] | 2e 2 2 (1 ) , C (1 ) ε= δ = 1とする. C = O(1) のとき,α→∞ かつ α= o(σ) とすれば, 右辺は exp[ ( 2 )]. 定理 7.4.3 の応用 Pr | Y E[Y ] | 2e 2 2 (1 ) , C (1 ) たいてい Paul は全ての i ∈ I を質問するので, 2 iI pi (1 pi )ci2 ランダムグラフ G(n, p) 上で枝リプシッツ条件を満たす Y を考 える.ただし,p = p(n) → 0 とする. n I を m 個の節点ペアに枝があるかない(Yes/No)とし, 2 全ての pi = p (ランダムグラフ), C = 1 (リプシッツ条件)なので, ( n 2 p ). このとき,α→ ∞, o( n p ) ならば,右辺は 2 exp[ ( )]. 2 グラフ特徴量のリプシッツ条件 (前回のスライド) グラフ上の特徴量 f について、枝 1 本だけ 異なる 2 つのグラフ H,H’ において | f(H)–f(H’)| ≦ 1 が成り立つとき、f は枝リプシッツ条件を満 たすという。同様に、頂点 1 個だけ異なる 2 つのグラフ H,H’ において上式が成り立つと き、頂点リプシッツ条件を満たすという。 定理 7.4.3 (再褐) 定理 7.4.3 全てのε> 0 に対し,以下が成り立つようなδ> 0 が存在する. Paul の戦略において,任意のline of questioningの分散が高々 σ2 のとき,全ての α> 0 に対し, Pr | Y E[Y ] | 2e ただし,α (> 0) は 2 2 (1 ) C (1 ) を満たす. . 定理 7.4.3 (証明) 簡単のため E[Y] = 0 とする. また,upper tailを示す.つまり, Pr /[ (1 )] とおくと, C (1 ) は C . e 以降, E e なぜなら, Y (1 ) 2 2 / 2 Pr Y Pr[e e Y Y e (7.2) ]e 2 2 (1 ) を示す. を示せばよい. Y E[e ] e Markov Bound EX X 0, PrX t t 2 / 2 (1 ) . 定理 7.4.3 (証明) まず次のことを示す. 全てのε> 0 に対し,δ> 0 が存在して, 0 ≦ p ≦ 1 と |a|≦ δ に対し, pe (1 p ) a (1 p)e pa e (1 ) p (1 p ) a 2 / 2 . 左辺を a に関してテイラー展開. (左辺) = 1 + 0 + a2p(1-p)/2 + ・・・ aj ( j ≧3 ) の係数は,高々 1 j! p(1 p)[ p j 1 (1 p) j 1 ] a j a2 を満たすように取ると, 2 j 3 j! δを, |a| ≦δが pe (1 p ) a (1 p)e pa 1 p(1 p) 1 + x ≦ ex を使って右辺を得る. a2 2 (1 ) 1 j! p(1 p). 定理 7.4.3 (証明) 決定木の深さに関する数学的帰納法で(7.2)を示す. M = 0 のとき,Y は定数なので成立. Paul の最初の質問に対して, p: 確率,c: effect,v = p(1-p)c2 を分散とする. また,μy, μn を最初のオラクルがYes/Noを返すときの Y の条 件付き期待値とする. ・ E[Y] = 0 なので,0 = pμy + (1-p)μn. root ・ effect の定義から,|μy -μn|≦ c. Yes No ・ パラメータ b (|b| ≦ c) を用いて, μy μn Yes No μy = (1-p)b, μn = -pb とかく. E eY e(1 ) 2 2 /2 (7.2) Yes Yes No No 定理 7.4.3 (証明) μy = (1-p)b, μn = -pb. 2 先に示した pe(1 p ) a (1 p)e pa e(1 ) p (1 p ) a / 2 pe y (1 p)e n pe(1 p ) b (1 p)e pb e pe y (1 p)e n e (1 ) p (1 p ) b 2 2 / 2 (1 ) v2 / 2 e (1 ) v2 / 2 . . root μy Yes E eY e(1 ) 2 2 /2 から, (7.2) Yes Yes No No Yes No No μn Ay E e 定理 7.4.3 (証明) An E e (Y n ) Ay をオラクルがYesを返したときの e λ(Y-μy) の条件付き期待 値とする.(E[ Y-μy | Yes ] =0.) An をオラクルがNoを返したときの e λ(Y-μn) の条件付き期待 値とする.(E[ Y-μn | No ] =0.) Yes/Noが帰ってきたとき,部分木に関して Y の分散は高々 σ2- v,深さは M-1. 帰納法の仮定から, Ay , An A : e (1 ) ( 2 2 root v ) / 2 μy Yes e E e (Y y ) Y (1 ) 2 2 / 2 (7.2) Yes Yes No No Yes No No μn 定理 7.4.3 (証明) Ay E e Y E[e ] pe y pe e (1 p )e (1 ) 2 ( v ( 2 v )) / 2 Ay , An A e pe y An E e (Y n ) Ay (1 p)e n An y (1 p)e n A e e E e (1 ) 2 2 / 2 . (1 ) 2 ( 2 v ) / 2 n (1 ) 2 2 / 2 root e (1 ) v2 / 2 μy . Yes Y (Y y ) (7.2) Yes Yes No No Yes No No μn
© Copyright 2024 ExpyDoc