Sparse exchangeable graphs and their limits via graphon processes
在最近的一篇论文中,Caron和Fox提出了一个稀疏图的概率模型,当将每个顶点与$\mathbb{R}_+$中的时间参数相关联时,稀疏图是可交换的。在这里,我们表明,通过推广的经典定义的graphons作为函数的概率空间上的功能,在$σ$ -有限测度空间,我们可以模拟一个大家庭的可交换图,包括Caron-Fox图和传统的可交换稠密图的特殊情况。解释,建模的基本空间的功能由$σ$ -有限测度空间$(S,\mathcal{S},μ)$和连接概率的可积函数$W\colon S\times S\to [0,1]$,我们构建了一个随机家庭$(G_t)_{t\geq 0}$的增长图,使$G_t$的顶点是由一个泊松点过程$S$强度$tμ$,与两个点$x,y$的点过程连接概率$W(x,y)$。我们称这样的随机族为图子过程。我们证明了一个graphon过程有收敛的子图频率(可能无限的限制),并在自然延伸的切割度量我们的设置,序列收敛到生成graphon。我们还表明,底层的graphon是可识别的,只有作为一个等价类的切割距离为零的graphons。更一般地说,我们研究度量收敛的任意(不一定是随机的)序列的图,并表明,一个序列的图有一个收敛的子序列,当且仅当它有一个子序列满足一个属性,我们称之为均匀规律的尾巴。最后,证明了每个图子都等价于$\mathbb{R}_+$上的一个图子.
2018-06-20 math.CO math.PR
Probability-graphons: Limits of large dense weighted graphs
本文提出概率图论作为大型加权图序列的极限对象,定义割距离并证明其拓扑独立于底层测度距离,且等价于子图采样的依分布收敛。
2023-12-26 cs.DM math.PR
Subgraph densities and scaling limits of random graphs with a prescribed modular decomposition
本文研究了具有预设模分解装饰的大型均匀标记随机图,通过组合论证和符号方法计算生成级数,估计了每个图作为导出子图的拷贝数量,并证明了此类随机图在图核空间中向 Brownian 极限对象收敛。
2023-10-23 math.CO math.PR
Graph classes with few $P_4$'s: Universality and Brownian graphon limits
本文研究具有少量诱导 $P_4$ 的大型一致标记随机图,推广了余图情形,主要贡献是证明了其在图极限空间中收敛到布朗极限对象,并得出新的渐近枚举与子图密度结果。
2023-10-23 math.PR
A sample-path large deviation principle for dynamic Erdős-Rényi random graphs
考虑一个$n$顶点上的动态Erdens-Rényi随机图(ERRG),其中每条边以$λ$的速率打开,以$μ$的速率关闭,与其它边无关.重点是分析相关的经验图子在极限为$n\to\infty$时的演化。我们的主要结果是一个大偏差原则(LDP)的样本路径的经验graphon观察到一个固定的时间范围。速率是$\binom{n}{2}$,速率函数是图子轨迹空间上的特定作用积分。我们应用LDP来识别(i)从常数图子开始创建具有极大密度的$d$ -正则子图的图子的最可能路径,以及(ii)两个给定图子之间的最可能路径。结果表明,相关的变分问题的解可能会出现分叉。
2020-09-27 math.PR
Moderate deviations of subgraph counts in the Erdős-Rényi random graphs $G(n,m)$ and $G(n,p)$
本文的主要贡献是给出了Erdens-Rényi随机图$G(n,m)$中子图计数中偏差率的渐近表达式。我们的方法是基于应用弗里德曼不等式的概率偏差的鞅表示的子图计数偏差。此外,我们还证明了不同子图的子图数偏差都是通过两个特定图的偏差,即长为2的路和三角形的偏差来联系的。我们还推出了新的界限相关的$G(n,p)$模型。
2020-02-10 math.CO math.PR
Characterizing the fourth-moment phenomenon of monochromatic subgraph counts via influences
本文研究大图随机顶点2-着色中单色子图计数的分布,通过改进四阶矩定理,建立了基于局部影响的渐近正态充分条件并证明其必要性,为更广泛的Rademacher和Gauss多项式四阶矩现象提供了新见解。
2024-03-21 math.CO math.PR
Functional Central Limit Theorem for the simultaneous subgraph count of dynamic Erdős-Rényi random graphs
Mathematical Institute, Leiden University(莱顿大学数学研究所);Korteweg-de Vries Institute for Mathematics, University of Amsterdam(阿姆斯特丹大学科特韦格-德弗里斯数学研究所)
本文研究了动态Erdős-Rényi随机图中子图计数向量的函数中心极限定理,通过适当的中心化和缩放,证明其收敛于多维高斯过程。
2025-11-26 math.CO math.PR
Asymptotic Normality of Subgraph Counts in Sparse Inhomogeneous Random Graphs
University of Pennsylvania(宾夕法尼亚大学);University of Chicago(芝加哥大学);Columbia University(哥伦比亚大学)
本文研究了稀疏非均质随机图中子图计数的渐近正态性,通过分离边和顶点随机性影响,揭示了不同稀疏性范围下的波动机制。
2026-03-01 math.PR math.ST stat.TH
On local weak limit and subgraph counts for sparse random graphs
本文利用Sidorenko不等式证明了稀疏随机图的局部弱收敛序列的局部和全局子图数与度矩之间的一般关系。这产生了一个最佳的标准,检查时的渐近行为的图统计,如聚类系数和不确定性是由当地的弱限制。作为一个应用,我们获得了新的事实,稀疏随机交图的几个常见模型的局部弱极限,因为我们看到在这里,是一个简单的随机团树对应于一定的两个类型的Galton-Watson分支过程。
2023-02-04 math.CO math.PR
Local limit theorem for joint subgraph counts
该研究拓展已有结果,证明了Erdős-Rényi随机图$G(n,p)$中子图计数联合分布的局部极限定理,该极限为对应Janson图因子的多元正态分布的非线性变换,并应用其解决了Janson等人关于比例图的相关问题。
2024-12-12 math.CO math.PR
Local limit theorems for subgraph counts
我们介绍了一个一般的框架,研究反集中和局部极限定理的随机变量,包括图形统计。我们的方法涉及傅立叶分析,解耦,布尔函数的超收缩性之间的相互作用,以及“固定大小”和“独立”模型之间的转移。我们还采用了“图形因子”的概念,由于詹森。因此,我们得到了一个局部中心极限定理的连通子图计数的Erdens-Renyi随机图$G(n,p)$,Gilmer和Kopparty和Berkowitz的工作的基础上。这些结果改进了Fox、Kwan和Sauermann的反集中结果,并部分回答了Fox、Kwan和Sauermann的一个问题。我们还导出了一个局部极限中心极限定理诱导子图计数,只要$p$是有界的一组“问题”的密度,部分回答了福克斯,关,和Sauermann的问题。然后,我们证明这些限制是必要的,展示了一个断开的图,在最佳规模的子图计数的反集中失败的所有常数$p$,并找到一个图形$H$诱导子图计数的反集中失败在$G(n,1/2)$。这些反例否定了福克斯、关和索尔曼的反集中理论。最后,我们还研究了行为的计数的$k$长期等差数列的子集$\mathbb{Z}/n\mathbb{Z}$,并推导出一个局部极限定理,其中的行为是高斯在全球范围内,但有非平凡的局部振荡(根据拉马努金θ函数)。这些结果改进了作者和Berkowitz的结果,回答了他们的问题,并回答了Fox、Kwan和Sauermann的一个问题。
2020-06-19 math.CO math.PR
Higher-order fluctuations in dense random graph models
我们的主要结果是在多元正规逼近的中心子图计数的一般图子和独立的顶点标签所产生的随机图的定量界限。我们对这些统计数据很感兴趣,因为它们是理解规则子图计数波动的关键--这是稠密图极限理论的基石。我们还确定由此产生的限制高斯随机测度的广义$U$ -统计和高斯希尔伯特空间,我们认为这是一个合适的框架来描述和理解高阶波动密集随机图模型的理论。通过这篇文章,我们相信我们回答了“什么是稠密图极限理论的中心极限定理?”".我们补充的理论与一些统计应用,以说明使用中心的子图计数在网络建模。
2021-06-16 math.PR math.ST stat.TH
Upper tails of subgraph counts in directed random graphs
本文研究有向随机图中有向子图计数的上尾概率,将其转化为边加权有向图上的变分问题,并给出上下界及大量可精确求解的图类。
2024-05-03 math.CO math.PR
Limits of Weighted Graphs via Random Quotients
California Institute of Technology(加州理工学院)
本文提出基于随机商收敛的加权有向图极限概念,引入grapheurs并展示其与graphons的对偶关系,通过边基于的采样方法测试大规模图的连续性质。
2026-03-21 math.CO math.PR
Subsampling large graphs and invariance in networks
指定一个随机算法,在给定一个非常大的图或网络的情况下,提取一个随机子图。我们可以从单个子样本中了解输入图的哪些信息?我们通过将随机子采样与分布不变性联系起来,推导出采样器输出的大数定律:假设不变性成立就等于假设样本是由特定算法生成的。这反过来又产生了遍历性的概念。抽样算法诱导模型类-图子模型,稀疏概括的可交换图,和随机多重图与可交换的边缘都可以以这种方式获得,我们专门我们的结果的一些例子。有一类抽样算法是特殊的:粗略地说,那些定义为从某些组序列中均匀抽取的随机变换的极限的算法。一些已知的病理网络模型的基础上graphons解释为一种形式的选择偏差。
2017-10-11 math.PR math.ST stat.TH
Normal approximation for subgraph count in random hypergraphs
本文研究随机超图中小超图计数的渐近正态性,建立了充分必要条件及收敛速率,并将其与四阶矩现象联系起来,同时补充了必要性证明。
2024-08-12 math.CO math.PR
Motif Estimation via Subgraph Sampling: The Fourth Moment Phenomenon
本文提出了一个在子图采样模型下对网络模体进行统计推断的框架,推导了Horvitz-Thompson估计量一致性与渐近正态性的充要条件,揭示了第四矩现象,并确定了多种图系综中的精确阈值。
2024-12-21 math.CO math.PR math.ST
Normal and stable approximation to subgraph counts in superpositions of Bernoulli random graphs
本文针对具有聚类特性和幂律度分布的社区隶属网络,建立了小型团、环及2-连通子图计数的正态与α-稳定近似,揭示了稀疏网络中稠密子图数量的极限分布行为。
2022-03-13 cs.SI math.CO math.PR
A local limit theorem for the edge counts of random induced subgraphs of a random graph
该论文证明了在稠密 Erdős–Rényi 随机图中,随机选取的固定比例顶点子集所诱导子图的边数满足中心极限定理和局部极限定理,且失败概率指数级小。
2025-03-29 math.CO math.PR
Normal approximation of subgraph counts in the random-connection model
本文在基于泊松点过程的随机连接模型中,利用组合方法与累积量分析,建立了子图计数在 Kolmogorov 距离下的正态近似收敛速率,覆盖一般子图与树状子图。
2025-11-09 math.PR
Functional central limit theorem for subgraph counts in a dynamic random connection model
本文研究了动态随机连接模型中子图计数的函数中心极限定理,提出了一种动态扩展的累积量方法来证明紧性。
2025-11-22 math.PR
Approximation of Subgraph Counts in the Uniform Attachment Model
本文利用 Stein 方法研究均匀附着模型中各类子图计数的分布逼近、收敛速度及渐近有界性。
2023-11-07 math.PR
Multivariate Poisson approximation of joint subgraph counts in random graphs via size-biased couplings
通过Chen-Stein方法和大小偏倚耦合,在Wasserstein距离下得到随机图中联合子图计数及多元超几何分布的多元泊松近似,并给出显式收敛速率。
2025-01-22 math.PR
Normal approximation for sums of discrete $U$-statistics - application to Kolmogorov bounds in random subgraph counting
我们推导出了离散多重积分和由独立Bernoulli随机变量组成的$U$ -统计量之和在Kolmogorov距离中的正规逼近界。这种界被应用于Erd{ \H o}s-Rényi随机图的重正化子图计数的正规逼近。这种方法完全解决了一个长期存在的猜想,在一般设置的任意图计数,同时恢复和改善最近的结果,三角形以及使用Wasserstein距离的结果。
2018-06-14 math.PR
Concentration for Poisson U-Statistics: Subgraph Counts in Random Geometric Graphs
证明了建立在Poisson点过程上的随机几何图的子图数的集中不等式。估计给出概率$\mathbb{P}(N\geq M +r)$和$\mathbb{P}(N\leq M - r)$的上界,其中$M$是子图计数$N$的中值或期望。下尾的边界具有快速高斯衰减,上尾的边界满足最优性条件。所给不等式的一个特点是其基础泊松过程不需要具有有限强度测度。子图计数的尾部估计来自更一般的局部Poisson U统计量的集中不等式。这些界限证明了最近的一般浓度结果的泊松U-统计量和技术的基础上的凸距离的泊松点过程。
2015-04-28 math.PR
Normal approximation for subgraph counts in age-dependent random connection models
本文针对年龄依赖随机连接模型,在轻尾条件下证明团计数的多变量定量正态逼近,并利用相伴随机变量中心极限定理得到子树计数的渐近正态性。
2025-05-14 math.PR
U-statistics and random subgraph counts: Multivariate normal approximation via exchangeable pairs and embedding
在作者最近的一篇论文中,介绍了一种新的方法-称为“嵌入法”-,它允许在相应的耦合不满足一定的线性条件的情况下,利用可交换对进行Stein方法的正态和多元正态近似。其关键思想是将问题嵌入到一个更高的维度空间中,以满足线性条件。在这里,我们将嵌入应用于U-统计量以及随机图中的子图计数。
2009-12-17 math.PR
Functional central limit theorem for the subgraph count of the voter model on dynamic random graphs
针对边过程依赖意见但意见不依赖边的动态随机图双意见投票者模型,本文研究大顶点数下子图计数向量的联合演化,并证明其经中心化和缩放后收敛于多维高斯过程的泛函中心极限定理。
2025-03-14 math.PR
Continuum graph dynamics via population dynamics: well-posedness, duality and equilibria
本文提出图素(graphemes)模型,通过超度量空间嵌入和种群动力学关联,构建并分析描述大型动态图全时空演化的随机过程,解决适定性、对偶性与均衡问题,扩展现有图论框架。
2025-04-14 math.PR
Normal to Poisson phase transition for subgraph counting in the random-connection model
本文研究随机连接模型中带固定端点子图计数在泊松强度趋于无穷时的极限行为,通过平面图凸分析导出累积量增长率,刻画了正态逼近与泊松极限之间的临界相变,并给出柯尔莫哥洛夫距离下的收敛速度。
2025-11-09 math.PR
The cavity method for counting spanning subgraphs subject to local constraints
利用测度的负结合理论和稀疏图的随机弱极限的概念,建立了计算渐近树型图中受局部约束的生成子图的空洞方法的有效性.具体地说,相应的自由熵密度收敛沿任何序列的图,其随机弱极限是一棵树,和限制直接表示的唯一解决方案的限制腔方程。在Galton-Watson树上,后者简化为一个递归分布方程,可以显式求解。作为例子,我们给出了平均度固定且大小发散的Erdens-Rényi随机图的$b-$匹配数的一个显式极限公式,对于任意$b\in\mathbb N$ .
2011-03-16 math-ph math.CO math.MP
Robust subgraph counting with distribution-free random graph analysis
子图,如团,环和星形成了现实世界网络拓扑结构中的关键连接。随机图模型提供了对某些子图出现频率的估计,这反过来又可以在现实世界的网络中进行测试。然而,这些子图的数量主要取决于假设的度分布。将度分布拟合到网络数据是一个挑战,特别是对于具有幂律度的无标度网络。在本文中,我们开发了鲁棒的子图计数,它不依赖于整个度分布,而只依赖于平均值和平均绝对偏差(MAD),这是大多数真实网络很容易获得的汇总统计数据。通过解决一个优化问题,我们为子图计数、所有可能的子图以及具有相同均值和MAD的度分布的所有网络提供了严格的(最尖锐的)边界。我们确定的极值随机图,达到紧界的图与一个特定的三点度分布。我们利用边界来获得鲁棒的缩放定律,子图的数量如何作为网络大小的函数增长。缩放定律表明稀疏幂律网络在子图数方面不是最极端的网络,但稠密幂律网络是。强大的界限也被证明是几个现实世界的数据集。
2021-07-21 cs.SI math.PR physics.soc-ph
Kolmogorov bounds for decomposable random variables and subgraph counting by the Stein-Tikhomirov method
在他的工作\cite{Ti80},Tikhomirov相结合的元素斯坦的方法与理论的特征函数,以推导出Kolmogorov界的收敛速度在中心极限定理的规范化和一个固定序列的随机变量满足一个弱的依赖条件。斯泰因方法的元素与特征函数理论的结合有时被称为\emph{Stein-Tikhomirov method}。\citet*{AMPS17}成功地使用了Stein-Tikhomirov方法来限制非高斯目标的收敛速度。\citet*{Ro17}使用Stein-Tikhomirov方法来限制Erdös-Rényi随机图中归一化三角形计数的正常近似的Kolmogorov距离的收敛速度。
2021-07-08 math.PR
Stable and Fréchet limit theorem for subgraph functionals in the hyperbolic random geometric graph
Aarhus University(奥胡斯大学);Purdue University(普渡大学)
研究超几何随机几何图中子图计数的波动,揭示枢纽主导子图数量及其极值的机制,并推导全局聚类系数的渐近行为。
2026-01-19 math.PR
Compound Poisson approximation of subgraph counts in stochastic block models with multiple edges
本文利用Stein-Chen方法得到了广义随机块模型中同构于某个固定图的子图个数分布的复合Poisson近似。该模型推广了经典的随机块模型,允许顶点之间存在重边的可能性。讨论了固定图是单图和有重边的两种情况。前者的结果适用于当固定图是严格平衡图类的成员,后者的结果适用于适当的推广这一类的图形与重边。我们还考虑进一步推广的模型,伪图,其中可能包括自循环以及重边,并建立一个参数制度的重边随机块模型中,泊松近似是有效的。结果被施加到获得泊松和复合泊松近似(在不同的制度)的泊松随机块模型和度校正的随机块模型的Karrer和纽曼\cite{kn11}的子图计数。
2018-07-12 math.PR
On the subgraphs of percolated random geometric graphs and the associated random complexes
本文研究了随机几何图的诱导子图,得到了关于诱导子图的期望数的一些渐近结果。此外,我们还得到了用Stein方法计数的Poisson近似。我们也给出了相应的随机几何复形的贝蒂数的期望的类似结果。
2018-03-07 math.PR
Optimal subgraphs in geometric scale-free random graphs
本文研究几何无标度随机图的最优子图计数,采用分而治之策略分析特定顶点类中的子图数量并确定最大贡献类,揭示了子图缩放行为与混合整数线性规划解的关联,并推导了树和哈密顿子图的精确渐近性。
2024-04-23 math.PR
Gaussian fluctuations of generalized $U$-statistics and subgraph counting in the binomial random-connection model
本文利用划分图推导矩恒等式与累积量界,建立了广义U-统计量的正态逼近界和中偏差结果,并将其应用于二项随机连接模型(Erdős-Rényi模型的推广)中的子图计数问题。
2025-11-11 math.PR
Estimation of dense stochastic block models visited by random walks
我们感兴趣的是恢复信息的随机块模型从子图发现的探索随机游动。随机块模型对应于被构造成有限数量的类型的群体,其中两个个体通过独立于其他对的边缘连接,并且概率取决于它们的类型。我们在这里考虑稠密的情况下,随机网络可以近似的graphon。这个问题的动机是从链转介调查的研究,每个受访者提供她/他在社交网络中的联系人的信息。首先,我们写出由随机游动发现的子图的似然性:由于枢纽和多数类型更有可能被采样,因此出现了偏差。即使在类型被观测的情况下,极大似然估计也不再是显式的。当顶点的类型是不可观察的,我们使用SAEM算法来最大化的可能性。其次,我们提出了一个不同的估计策略,使用新的结果Athreya和Roellin。它包括在去偏的最大似然估计在Daudin等人提出的。
2021-06-07 math.PR math.ST stat.ML
Large deviations for subgraphs in inhomogeneous random graphs
本文研究了不均匀随机图中子图计数的大偏差问题,通过定义特定优化问题来量化极大量中心节点出现的概率,并推导了团计数的精确结果。
2026-03-06 math.PR