A Proof of the Erdős Matching Conjecture for Large Matchings via Sharp Tail Probability for Sums of i.i.d. Nonnegative Random Variables
School of Mathematical Sciences, Shanghai Jiao Tong University(上海交通大学数学科学学院)
该研究通过证明独立同分布非负随机变量和的尖锐尾概率结果,解决了埃尔德什匹配猜想在k≥3、s足够大且n≥k(s+1)时的情况,确定了对应超图的最大边数及极值族结构。
2026-10-14 math.CO math.PR
Upper Tail For Homomorphism Counts In Constrained Sparse Random Graphs
考虑在一个大的稀疏随机图$G_n$内的一个固定图$H$的同态计数超过其期望值一个固定因子$1+δ$的上尾概率。超越Erdens-Rényi模型,我们在这里建立显式的,尖锐的上尾衰减率稀疏随机$d_n$ -正则图(提供$H$有一个规则的$2$ -核心),稀疏均匀随机图。我们进一步处理多个图的同态计数的联合上尾概率$H_1,\ldots, H_k$(扩展了$k=1$的已知结果),并为非齐次图系综(如随机块模型),我们绑定的上尾概率类似于一个变分问题,确定其衰减率的情况下,稀疏的Erdens-Rényi图。
2021-01-29 math.CO math.PR
Regularity method and large deviation principles for the Erdős--Rényi hypergraph
本文为随机超图建立定量大偏差理论,基于张量分解和新型割范数计数引理,精确刻画了 r-均匀 Erdős--Rényi 超图同态计数联合尾部渐近,并推广至诱导同态计数。
2023-05-09 math.CO math.PR
Optimal detection of planted stars via a random energy model
Georgia Institute of Technology(佐治亚理工学院)
本文通过随机能量模型研究了在随机图中检测嵌入星体的最优方法,并揭示了临界检测的标度窗口及相变特性。
2026-02-17 cs.IT math.IT math.PR
The large deviation principle for interacting dynamical systems on random graphs
利用大偏差的弱收敛方法,给出并证明了割范数拓扑下W-随机图的大偏差原理。这推广了Chatterjee和Varadhan关于Erdens-R {\' e}nyi随机图的LDP.此外,我们将随机图的LDP转化为此类图上的一类相互作用的动力系统。为此,我们证明了动力学模型的解决方案连续依赖于基本图形的切割规范和应用收缩原理。
2021-08-15 math.DS math.PR
A large deviation principle for the Erdős-Rényi uniform random graph
从Erdens-Rényi二项随机图$\mathcal{G}(n,p)$的大偏差原理(LDP)开始(边指示符是i.i.d.),由于Chatterjee和Varadhan(2011),我们导出了均匀随机图$\mathcal{G}(n,m)$(具有$n$顶点和$m$边的图上的均匀分布)在合适的$m=m_n$处的LDP。应用后一个LDP,我们发现$\mathcal{G}(n,m_n)$中子图计数的尾衰减是由变分问题控制的,这与Kenyon等人和Radin等人在约束随机图的背景下研究的结果一致,例如,边/三角形模型
2018-04-30 math.CO math.PR
Upper tails for triangles
用$ξ$表示通常的(Erdens-Rényi)随机图$G(m,p)$,$p>1/m$和$η>0$中的三角形个数,我们证明了(对于某些$C_η>0$)$$\Pr(ξ> (1+η)\E ξ) < \exp[-C_η\min{m^2p^2\log(1/p),m^3p^3}].$$这是紧到$C_η$的值.
2011-11-29 math.CO math.PR
Large deviations of subgraph counts for sparse Erdős--Rényi graphs
对于任意固定的简单图$H=(V,E)$和$u>0$,我们建立了Erdens-Rényi图$G(n,p)$中$H$的拷贝数超过其期望值的概率的指数率函数的首阶,假设$n^{-κ(H)}\ll p\ll1$,其中$κ(H) = 1/(2Δ)$,其中$Δ\ge 1$是$H$的最大度.这改进了Chatterjee和第二作者以前的结果,他们对常数$c>0$得到了$κ(H)=c/(Δ|E|)$。此外,对于循环计数的情况,我们可以将$κ$取为与$1/2$一样大。我们还获得了尖锐的上尾Schatten规范的邻接矩阵,以及尖锐的下尾计数的Sidorenko猜想持有的图形。作为一个关键步骤,我们建立定量版本的Szemerédi的正则引理和计数引理,适合于随机图的分析中的大偏差政权。
2020-04-27 math.CO math.PR
On the lower tail variational problem for random graphs
研究了随机图中子图计数的下尾大偏差问题。设$X_H$表示Erdens-Rényi随机图$\mathcal{G}(n,p)$中$H$的拷贝数。我们有兴趣估计固定$0 < δ< 1$的下尾概率$\mathbb{P}(X_H \le (1-δ) \mathbb{E} X_H)$。多亏了查特吉、登博和瓦拉德汉的结果,这个大偏差问题已经被简化为一个关于图子的自然变分问题,至少对于$p \ge n^{-α_H}$是这样的(对于更大范围的$p$也是这样)。我们研究这个变分问题,并提供了一个部分的所谓的“副本对称”相的表征。非正式地,我们的主要结果表明,对于每个$H$,以及对于某些$δ_H > 0$的$0 < δ< δ_H$,随着$p \to 0$缓慢,对较低尾概率的主要贡献来自具有均匀倾斜边密度的埃尔德什-雷尼随机图。另一方面,对于非二分的$H$和接近1的$δ$,这是假的。
2015-02-03 math.CO math.PR
Mixing time for an epidemic model on graphs with external sources of infection
University of Nottingham(诺丁汉大学);Louisiana State University(路易斯安那州立大学)
研究图上带有外部感染源的SIS模型的混合时间,证明其在顶点数n的顺序为Θ(n log n),并分析随机图家族上的模型特性。
2026-05-13 math-ph math.MP math.PR
On the upper tail problem for random hypergraphs
随机图中的上尾问题要求估计Erdens-Rényi随机图中某个固定子图的副本数超过其期望值的概率。最近在这个问题上取得了令人振奋的进展。我们研究了超图的相应问题,对于超图的大偏差率知之甚少。我们提出了稀疏随机超图的上尾大偏差的新现象,这在随机图中是没有的。我们推测出一个计算大偏差率的公式,即,研究了稀疏Erdens-Rényi随机$k$ -一致超图中固定子图$H$的拷贝数超过期望值的对数概率的一阶渐近性.与图的情况相比,这个猜想要复杂得多。我们验证了我们的猜想时,被计数的固定子图$H$是一个团,以及当$H$是3-均匀6-顶点4-边超图组成的交替面临的八面体,其中需要新的技术。
2020-10-24 math.CO math.PR
Upper Tails for Cliques
与$ξ_{k}=ξ_{k}^{n,p}$的$K_k$的副本数在通常的(Erdens-Rényi)随机图$G(n,p)$,$p\geq n^{-2/(k-1)}$和$η>0$,我们表明当$k>1$ $$\Pr(ξ_k> (1+η)\E ξ_k) < \exp [-\gO_{η,k} \min\{n^2p^{k-1}\log(1/p), n^kp^{\binom{k}{2}}\}].$$这是紧的指数常数的值。
2012-11-09 math.CO math.PR
Nonlinear large deviation bounds with applications to traces of Wigner matrices and cycles counts in Erdös-Renyi graphs
我们证明了一般的非线性大偏差估计类似于Chatterjee-Dembo的原始界限,除了我们不需要任何二阶光滑。我们的方法依赖于凸分析的参数,是有效的广泛的一类分布。我们的研究结果,然后应用在三个不同的设置。我们的第一个应用程序包括在平均场近似的分拆函数的伊辛模型的最佳假设下的频谱的邻接矩阵的序列图。其次,我们应用我们的一般大偏差界来研究具有次高斯项的Wigner矩阵的幂的迹的大偏差,以及稀疏Erdös-Renyi图的圈计数的上尾下降到连通性阈值$n^{-1/2}$。
2020-04-18 math.PR
A Hsu-Robbins-Erdős strong law in first-passage percolation
首次通过渗流背景下的大偏差最早由Grimmett和Kesten在20世纪80年代初进行了研究,此后在各种研究中重新进行了研究。然而,这些研究都没有提供一个精确的多项式阶矩的存在性和概率尾部的衰减之间的关系。本文导出了这样一个关系式,并用它来加强形定理的结论。与其一维对应的Hsu-Robbins-Erdés强定律相反,这种加强是在没有施加高阶矩条件的情况下获得的。
2015-09-09 math.PR
On the spectral radius and the characteristic polynomial of a random matrix with independent elements and a variance profile
CNRS, Laboratoire d’informatique Gaspard Monge (LIGM / UMR 8049), Universit\'e Gustave Eiffel, ESIEE Paris, France. e1,e2
本文证明具有一般方差剖面的大规模非厄米随机矩阵的谱半径以高概率不超过方差剖面矩阵谱半径的平方根,并给出逆特征多项式与随机解析函数的渐近等价性,应用于多种模型。
2025-10-09 math.PR
On maximal tail probability of sums of nonnegative, independent and identically distributed random variables
我们考虑的问题,找到最佳的上界的$k$非负的,独立的和同分布的随机变量与给定的平均值$x$的尾概率的总和。对于$k=1$的答案是由马尔可夫不等式和$k=2$的解决方案是由Hoeffding和Shrikhande在1955年。我们解决的问题$k=3$以及一般的$k$和$x\leq1/(2k-1)$表明,它遵循的分数版本的极值图论问题的Erdibs匹配超图。
2016-02-10 math.CO math.PR
Tail bounds for gaps between eigenvalues of sparse random matrices
证明了稀疏随机矩阵的第一特征值排斥界。因此,我们证明了这些矩阵具有简单的谱,提高了第二作者和Vu的工作的稀疏性和错误概率的范围。作为我们的尾界的应用程序,我们表明,稀疏Erdens-Rényi图,弱和强节点域是相同的,回答一个问题的Dekel,李,和Linial。
2020-12-18 math.PR
Maximum entropy based testing in network models: ERGMs and constrained optimization
National University of Singapore(新加坡国立大学);Kyushu University(九州大学)
本文基于最大熵原理研究网络模型的拟合优度和两样本检验,通过约束优化问题构建测试统计量,提出统一的熵基框架适用于不同增长模式。
2026-03-26 cs.IT math.IT math.PR
Skewness correction in tail probability approximations for sums of local statistics
在独立随机变量之和的中心极限定理中,对偏度进行修正可以得到更精确的尾概率近似值。本文将这一理论推广到独立随机变量的局部统计量的和,并将结果应用于Erdös-Rényi随机图的$k$ -游程、U-统计量和子图计数.为了证明我们的主要结果,我们通过Stein方法建立了指数集中不等式和高阶Cramér型中偏差。
2019-04-04 math.PR
Return probability on Bienaymé-Galton-Watson trees and spectral asymptotics of sparse Erdős-Rényi random graphs
Universität Augsburg(奥格斯堡大学);Ludwig-Maximilians-Universität München(慕尼黑大学)
研究了Bienaymé-Galton-Watson树上随机游走的返回概率上界,并推导了Erdős-Rényi随机图的谱渐进行为。
2026-07-22 math-ph math.MP math.PR
Largest eigenvalues of sparse inhomogeneous Erdős-Rényi graphs
我们考虑非齐次Erdens-Rényi图。我们假设最大平均度$d$满足$d \ll \log n$。我们刻画了邻接矩阵及其中心形式的$n^{1 - o(1)}$最大特征值的渐近行为。我们证明,这些极端的特征值是由最大的程度,并在第一顺序的邻接矩阵,由非零特征值的期望矩阵。我们的研究结果表明,极端特征值表现出一种新的行为,特别是排除他们的收敛到一个非退化的点过程。连同配套文件[3],其中我们分析了补充制度$d \gg \log n$中的极端特征值,这建立了$d \sim \log n$周围极端特征值行为的交叉。我们的证明依赖于一个新的尾部估计的泊松近似的非齐次和独立的伯努利随机变量,以及估计上的修剪图由于乐,Levina和Vershynin的运营商规范。
2017-04-10 math.PR
Effective Erdős--Wintner for Cantor numeration systems via a trailing-window method
Independent Researcher, France(独立研究者,法国)
本文通过尾窗方法,为Cantor数制系统提供了显式的Erdős-Wintner界,并在固定基数情况下恢复了Delange的产品,同时给出了不同情形的适用指南。
2026-01-08 math.NT math.PR
Moderate deviations of triangle counts in sparse Erdős-Rényi random graphs $G(n,m)$ and $G(n,p)$
本文研究稀疏 Erdős-Rényi 随机图中三角形计数的中偏差,给出两种模型下上尾对数概率的常数因子估计,并在非局部化区域获得 $G(n,p)$ 的渐近精确结果。
2025-01-09 math.CO math.PR
Concentration of measure for the number of isolated vertices in the Erdős-Rényi random graph by size bias couplings
本文证明了Erdens-Rényi随机图模型中$n$边上孤立点个数$Y$的一个集中度量结果,并给出了边概率$p$ .当$μ$和$σ^2$分别表示$Y$的均值和方差时,在假设$p \in (0,1)$和$np\rightarrow c \in (0,\infty)$为$n \rightarrow \infty$的情况下,对于某个常数正的$k$,$P((Y-μ)/σ\ge t)$允许有$e^{-kt^2}$形式的界.左尾不等式$$ P(\frac{Y-μ}σ\le -t)&\le& \exp(-\frac{t^2σ^2}{4μ}) $$对所有$n \in {2,3,...},p \in (0,1)$和$t \ge 0$成立。结果通过将$Y$与具有$Y$ -大小偏置分布的随机变量$Y^s$耦合来示出,所述分布对于存在这些期望的所有函数$f$由$E[Yf(Y)]=μE[f(Y^s)] $表征。
2011-05-31 math.PR
Upper tails of subgraph counts in directed random graphs
本文研究有向随机图中有向子图计数的上尾概率,将其转化为边加权有向图上的变分问题,并给出上下界及大量可精确求解的图类。
2024-05-03 math.CO math.PR
Structure of lower tails in sparse random graphs
本文研究稀疏 Erdős–Rényi 随机图在低尾子图计数事件下的典型结构,通过改造熵增量方案并证明熵变分解的稳定性,表明其在子图计数与割范数上接近平均场熵极小元。
2025-01-06 math.CO math.PR
The missing log in large deviations for triangle counts
通过在指数中引入一个对数因子,解决了Erdos-Renyi随机图中三角形个数上尾的大偏差估计问题.这种证明方法有可能推广到一般的子图数。
2011-04-11 math.CO math.PR
A probabilistic approach to the leader problem in random graphs
我们研究了领导者身份的固定时间,即,在Aldous的乘法聚结[4,5]的一般设置中,最大质量的组分,在渐近意义上描述了广泛的近临界聚结过程(包括经典的Erdens-Rényi过程)的组分尺寸的演变。我们在“布朗”制度的固定时间的紧密性,明确确定固定时间的中值内的最佳$O(1)$窗口。这推广了Erdens-Rényi随机图的Jumuczak [31]的结果,使用完全不同的技术。在重尾的情况下,其中的组件大小的限制可以使用一个稀疏的纯跳Lévy过程编码,我们证明,只有单侧紧举行。这显示了两种机制中可能的行为的真正差异。Erdens-Rényi随机图中领导者问题的求解在完全图上最小生成树的标度极限的研究中起了重要作用[2]。我们相信,类似的结果,如本文所证明的,将是有用的,在建立一个大类的模型的最小生成树的内在几何的普遍性。
2020-05-26 math.CO math.PR
Cluster tails for critical power-law inhomogeneous random graphs
最近,得到了具有有限方差但无限三阶矩度的rank-1型临界非齐次随机图的簇大小的标度极限(参见Bhamidi,van der Hofstad和van Leeuwaarden以前的工作)。证明了当度服从指数在区间(3,4)内的幂律时,按大小递减排序并适当缩放的簇序列随着n的无穷大收敛于一个递减的非退化随机变量序列.在这里,我们研究了重新缩放的最大集群的极限的尾部,即,作为u的函数,最大簇的缩放限制取大值u的概率。这将Pittel关于Erdens-Rényi随机图的一个相关结果推广到了秩为1且三阶矩度为无穷大的非齐次随机图的情形.我们利用微妙的大偏差和弱收敛的论点。
2014-04-08 math.PR
Spectral Edge in Sparse Random Graphs: Upper and Lower Tail Large Deviations
在本文中,我们考虑的问题,估计的联合上下尾大偏差的边缘特征值的Erdens-Rényi随机图$\mathcal{G}_{n,p}$,在$p$的制度,其中的频谱的边缘不再是由全球可观的,如边的数量,而是由本地化的统计,如高度顶点。超越最近的发展,在平均场近似的相关问题,本文提供了一个全面的治疗大偏差的频谱边缘在这整个政权,其中特别包括研究的情况下,恒定的平均度。特别是,对于固定的$r \geq 1$,我们钉下来的渐近概率,顶部$r$特征值联合大于/小于其典型值的乘法因子大于/小于$1$,在上述制度。上尾的证明依赖于一个新的结构定理,通过建立在Krivelevich和Sudakov(2003)的估计,然后是一个迭代的循环去除过程,这表明,在上尾大偏差事件的条件下,图有很高的概率允许分解成一个不相交的恒星和一个光谱上可忽略的部分。另一方面,证明下尾的关键要素是拉姆齐型结果,该结果表明,如果图的$K$ -th最大度不是极小的(对于某些依赖于$r$的大$K$),则顶部特征值或$r$ -th最大特征值大于顶部$r$特征值上的下尾事件所允许的值,从而迫使矛盾。上述论点减少的问题,以发展一个大偏差理论的极端程度,这可能是独立的利益。
2020-04-01 cs.DM math-ph math.CO
Sparse Random Block Matrices : universality
研究了由具有平均度为$Z$的$N$顶点的Erdös-Renyi随机图的邻接矩阵生成的稀疏随机块矩阵的系综,在每个非零项处插入一个实对称的$d \times d$随机块.我们考虑了具有秩$r < d$和具有最大秩$r=d$的随机分块矩阵的系综。稀疏随机块矩阵的谱矩被评估为$N \to \infty$,$d$有限或无限,和几个概率分布的块(例如,固定迹,有界迹和高斯)。由于概率测度在$d \to \infty$极限中的集中,谱矩与块的概率测度无关(具有各向同性、光滑性和亚高斯尾的温和假设)。有效介质近似是有限秩稀疏随机块系综的极限谱密度。类似的普适性类别适用于拉普拉斯稀疏块系综。使用随机正则图代替Erdös-Renyi图得到相同的极限分布。
2022-06-19 cond-mat.dis-nn cond-mat.stat-mech math-ph
Upper tail behavior of the number of triangles in random graphs with constant average degree
设$N$是一个Erdens-Rényi图$\mathcal{G}(n,p)$在$n$顶点上的三角形个数,其边密度为$p=d/n,$,其中$d>0$是一个固定常数.众所周知,$N$弱收敛于泊松分布,其平均${d^3}/{6}$为$n\rightarrow \infty$。我们解决的上尾问题$N,$,即,我们调查如何快速$k$必须增长,使$\{N\ge k\}$的概率是不是很好地近似了相应的泊松变量的尾部。证明尾部表现出尖锐的相变,我们基本上表明,上尾是由泊松行为只有当$k^{1/3} \log k< (\frac{3}{\sqrt{2}})^{2/3} \log n$(亚临界制度),以及钉下的尾部行为时,$k^{1/3} \log k> (\frac{3}{\sqrt{2}})^{2/3} \log n$(超临界制度)。我们进一步证明了一个结构定理,表明亚临界上尾的行为是由几乎$k$顶点不相交的三角形的外观,而在超临界状态下,多余的三角形产生的大小约$(6k)^{1/3}$的集团状结构。这解决了长期存在的上尾问题,在这种情况下,回答了一个问题的奥尔德斯,补充了一个长序列的作品,跨越几十年,最终在(哈雷尔,穆萨,萨莫蒂杰,'19)分析的问题,只有在政权$p\gg \frac{1}{n}.$的证明依赖于几个新的图论结果,可以有其他应用。
2022-02-14 cs.DM math.CO math.PR
Upper Tails for Edge Eigenvalues of Random Graphs
Erdens-Rényi随机图$\mathcal{G}_{n,p}$的最大特征值的上尾问题是估计$\mathcal{G}_{n,p}$的邻接矩阵的最大特征值超过其典型值的概率.在这份说明中,我们表明,对于$δ>0$固定,$p \rightarrow 0$,使$n^{\frac{1}{2}} p \rightarrow \infty$,$\mathcal{G}_{n,p}$的最大特征值的上尾概率是$$\exp\left[-(1+o(1)) \min\left\{\tfrac{(1+δ)^2}{2}, δ(1+δ) \right\} n^{2}p^{2}\log (1/p)\right].$$在同一制度的$p$,我们表明,第二大特征值$λ_2( \mathcal G_{n,p})$的邻接矩阵的$\mathcal{G}_{n,p}$满足$$\mathbb P(λ_2(\mathcal G_{n,p})\ge δnp) = \exp\left[-(1+o(1)) \tfrac{1}{2} δ^2n^2p^2 \log (1/p) \right],$$其中$δ=δ_n < 1$可以依赖于$n$,使$δn^{\frac{1}{2}} p \rightarrow \infty$,其中包括偏差$λ_2(\mathcal G_{n,p})$之间的$n^{\frac{1}{2}}$和$np$。我们的论…
2020-11-28 math.CO math.PR
Upper tails and independence polynomials in random graphs
Erdens-Rényi随机图$G\sim\mathcal{G}_{n,p}$中的上尾问题要求估计图$H$在$G$中的拷贝数超过其期望值的概率,其因子为$1+δ$。Chatterjee和Dembo表明,在稀疏制度的$p\to 0$作为$n\to\infty$与$p \geq n^{-α}$为一个明确的$α=α_H>0$,这个问题减少到一个自然的变分问题的加权图,这是其后渐近解决的两个作者的情况下,$H$是一个集团。在这里,我们将后一项工作扩展到任何固定的图$H$,并确定一个函数$c_H(δ)$,使得对于如上所述的$p$和任何固定的$δ>0$,上尾概率是$\exp[-(c_H(δ)+o(1))n^2 p^Δ\log(1/p)]$,其中$Δ$是$H$的最大度。事实证明,大偏差率函数$c_H(δ)$中的首阶常数由定义为$P_H(x)=\sum i_H(k) x^k $的$H$的独立多项式决定,其中$i_H(k)$是$H$中大小为$k$的独立集合的数量。例如,如果$H$是$m$顶点上的正则图,则$c_H(δ)$是$\frac12 δ^{2/m}$与$P_H(x) = 1+δ$的唯一正解之间的最小值。
2017-09-12 math.CO math.PR
Universality in prelimiting tail behavior for regular subgraph counts in the Poisson regime
本文证明了在 Poisson 机制下,任意正则子图计数的上尾行为在特定阈值处发生相变,从而将此前仅在三角形情况下已知的相变普适性推广至一般正则图。
2023-11-20 math.CO math.PR
Upper tail bounds for irregular graphs
International Centre for Theoretical Sciences, Tata Institute of Fundamental Research(国际理论科学中心,塔塔基础研究所)
本文研究稀疏Erdős-Rényi图中不规则子图计数的上尾大偏差,推导了一般不规则图及严格平衡图的偏差率,并针对星图在中间参数范围证明了局部化行为及均值场近似的渐近紧性。
2026-09-24 math.CO math.PR
A large deviation principle for block models
University of California, Berkeley(加州大学伯克利分校);Northwestern University(西北大学);Tufts University(塔夫茨大学);Harvard University(哈佛大学)
本文研究了稠密块模型随机图的大偏差,将其视为随机图子建立了LDP,并以此分析了正则图同态密度的上尾大偏差,确认了对称与对称破缺相及重入相变现象,最终精确定位了Erdos-Renyi二分图上对称与对称破缺区域的边界。
2025-05-11 math.CO math.PR
Spectral large deviations of sparse random matrices
维格纳矩阵的特征值一直是研究的一个重要课题。这类随机矩阵的一个特别重要的子类由具有i.i.d.的Erdens-Rényi图$\mathcal{G}_{n,p}$的邻接矩阵构成。边权重一个特别感兴趣的观测量是最大的特征值。在本文中,我们研究了这类矩阵的最大特征值的大偏差行为,这是一个多年来备受关注的话题。我们专注于案件$p = \frac{d}{n}$,其中大多数已知的技术打破。到目前为止,结果只知道$\mathcal{G}_{n,\frac{d}{n}}$没有边权重(Krivelevich和Sudakov,'03),(Bhattacharya,Bhattacharya,和Ganguly,'21)和高斯边权重(Ganguly和Nam,'21)。在本文中,我们考虑一般的权重分布的影响。更具体地说,我们考虑的条目,其尾部概率衰减率$e^{-t^α}$与$α>0$,其中的制度$0<α<2$和$α>2$分别对应的尾巴比高斯尾重和轻。虽然在许多自然环境中的大偏差行为预计将严重依赖于入口分布,我们建立了一个令人惊讶的和罕见的普遍行为表明,这不是这种情况下,当$α> 2.$相反,在$α< 2$的情况下,大偏差率函数不再是普遍的,并给出了一个变分问题的解决方案,其描述涉及Motzkin-Straus定理的推广,Motzkin-Straus定理是谱图理论的经典结果。作为我们的大偏差结果的副产品,我们还…
2022-06-14 math-ph math.CO math.MP
Moderate deviations in random graphs and Bernoulli random matrices
本文证明了Erdos-Renyi随机图的子图计数统计量的一个适度偏差原理。这等价于证明伯努利随机矩阵幂的迹的中等偏差原理。它是通过估计的对数-拉普拉斯变换和Gaertner-Ellis定理。得到了小子图出现次数的上尾概率的上界。证明的方法是用来显示补充中等偏差原则的一类对称统计量,包括非退化的U-统计量的独立或马尔可夫条目。
2009-01-21 math.PR
On the variational problem for upper tails in sparse random graphs
$\mathcal{G}_{n,p}$(边密度为$p$的Erdens-Rényi随机图)中三角形的个数至少是其均值的两倍的概率是多少?将其写作$\exp[- r(n,p)]$,速率函数$r(n,p)$的顺序已经是一个长期存在的开放问题,当$p=o(1)$最终在2012年由Chatterjee和DeMarco和Kahn解决时,他们独立地证明了$p \gtrsim \frac{\log n}n$的$r(n,p)\asymp n^2p^2 \log (1/p)$; $r(n,p)$的确切渐近性仍然未知。下面的变分问题可以在$p\gtrsim \frac{\log n}n$上与这个大偏差问题相关:对于$δ>0$固定,三角形密度至少为$(1+δ)p^3$的$n$顶点上的加权图的最小渐近$p$ -相对熵是多少?Chatterjee和Varadhan(2011)的一个漂亮的大偏差框架将三角形的上尾减少到固定$p$的限制版本。Chatterjee和Dembo最近的一个突破将其有效性扩展到了$n^{-α}\ll p \ll 1$,用于明确的$α>0$,并且可以在所有上述稀疏机制中成立。在本说明中,我们表明,解决方案的变分问题是$\min\{\frac12 δ^{2/3}\,,\, \frac13 δ\}$时$n^{-1/2}\ll p \ll 1$与$\frac12 δ^{2/3}$时,$n^{-1…
2016-02-03 math.CO math.PR
Large deviations for the largest eigenvalue of Gaussian networks with constant average degree
研究了高斯网络(Erdens-Rényi随机图$\mathcal{G}_{n,p}$,i.i.d.边缘上的高斯权重)一直是相当感兴趣的话题。最近在[6,30]中,引入了一种强大的方法,该方法基于适当的球面积分的倾斜测量,特别是与标准高斯($p=1$)情况相比,为固定$p<1$建立了非通用的大偏差行为。然而,当$p\to 0$完全开放时,人们期望稠密行为仅保持到$n$中的平均度为对数时的情况。在这篇文章中,我们专注于常数平均度的情况,即,$p=\frac{d}{n}$。我们证明了以下结果,以准确理解在这种情况下的大偏差行为。1.(上尾概率):对于$δ>0,$,我们钉下确切的指数$ψ(δ)$,使$$\mathbb{P}(λ_1\ge \sqrt{2(1+δ)\log n})=n^{-ψ(δ)+o(1)}.$$此外,我们表明,条件上尾事件,具有高概率,一个独特的最大集团出现一个非常精确的$δ$依赖的大小(需要一个或两个可能的值)和高斯权重是一致的高绝对值的边缘集团。最后,我们还证明了一个最佳的本地化结果的领导特征向量,表明它分配的大部分质量上的上述集团是均匀分布在其顶点。2.(下尾概率):还建立了$\mathbb{P}(λ_1\le \sqrt{2(1-δ)\log n})$的精确拉伸指数行为。作为一个直接的推论,我们通常得到$λ_1 \approx \sqrt{2 \log n}$,这…
2021-02-16 cs.DM math-ph math.CO
Bipodal optimizers in the upper-tail variational problem for regular subgraph densities
School of Computing, KAIST(KAIST计算机学院);Korea Institute for Advanced Study (KIAS)(韩国高等科学研究院);Center for AI and Natural Sciences, Korea Institute for Advanced Study (KIAS)(韩国高等科学研究院人工智能与自然科学中心);Department of Mathematical Sciences, KAIST(KAIST数学科学系)
研究正则子图密度的上尾变分问题,证明在对称破缺侧优化子为双块且唯一,并分析其收敛机制与渐近性质。
2026-09-15 math.CO math.PR
The stable graph: the metric space scaling limit of a critical random graph with i.i.d. power-law degrees
本文证明了具有指数为$α+1$的幂律尾行为的独立同分布临界随机图的度量空间尺度极限,其中$α\in (1,2)$ .极限分量是由随机$\mathbb{R}$树构造的,该树由一个过程的运行下确界之上的偏移编码,该过程的律相对于一个谱正$α$ -稳定Lévy过程的律是局部绝对连续的。这些生成$\mathbb{R}$ -树是测度改变的$α$ -稳定树。在每个这样的$\mathbb{R}$ -树中,我们做一个随机数的顶点标识,其位置由辅助泊松过程确定。这推广的结果已经知道的情况下,度分布有一个有限的三阶矩(一个模型,位于同一普适类的Erdens-Rényi随机图)和其中的作用,$α$稳定的莱维过程是由一个布朗运动。
2021-07-29 math.PR
Large deviations of the greedy independent set algorithm on sparse random graphs
University of California, Berkeley(加州大学伯克利分校)
针对稀疏Erdős-Rényi随机图${\rm{\bf{\textit{G}}}}(n,c/n)$上的贪心独立集算法,本文利用离散微积分确定实现给定大偏差的最优轨迹,以简单闭合形式得到速率函数并证明Pittel的上界紧性,方法可用于分析其他随机过程尾部行为。
2020-12-15 math.CO math.PR
Extremal spectral behavior of weighted random $d$-regular graphs
本文研究带随机边权重的随机 $d$-正则图,刻画极值谱随边权尾部的相变,并证明极值特征向量局部化。
2023-06-06 cs.DM math.CO math.PR
The friendship paradox for sparse random graphs
该研究针对四类稀疏随机图,证明其友谊偏差经验分布弱收敛于由有根随机树分布表示的极限测度,计算了该测度的前两阶矩与右尾,并验证了友谊悖论显著性性质。
2025-01-20 math.PR
Mixing cutoff for simple random walks on the Chung-Lu digraph
本文研究Chung-Lu有向图上简单随机游走的混合行为,证明在平均度随图大小对数增长的弱稠密状态下,总变差距离在熵时间处呈现截断行为且收敛于高斯尾函数,将已有硬约束模型的结果扩展至软约束模型。
2024-09-24 math.PR
Large deviations for the largest singular value of sparse non-Hermitian matrices
本文研究常数平均度稀疏有向 Erdős–Rényi 矩阵最大奇异值的大偏差,利用团归约技术简化速率函数,证明其仅在 α=2 处转变,并推广至矩形 i.i.d. 系综。
2024-06-17 math.CO math.PR
Invertibility of Sparse non-Hermitian matrices
本文考虑一类稀疏随机矩阵$A_n =(ξ_{i,j}δ_{i,j})_{i,j=1}^n$,其中$\{ξ_{i,j}\}$是独立同分布的.中心随机变量,和$\{δ_{i,j}\}$是i.i.d.~ Bernoulli随机变量取值$1$的概率为$p_n$,在适当的谱范数假设下,证明了$p_n = Ω(\frac{\log n}{n})$的最小奇异值的一个定量估计.这建立了一大类稀疏矩阵的可逆性。对于具有某些$α\in (0,1)$的$p_n =Ω( n^{-α})$,在关于$\{ξ_{i,j}\}$的最优矩假设下,我们推导出$A_n$的条件数是概率趋于1的$n$阶.这特别是,扩展了冯诺依曼猜想的条件数稀疏随机矩阵的重尾条目。在随机变量$\{ξ_{i,j}\}$是i.i.d.~亚高斯,我们进一步表明,一个稀疏的随机矩阵是奇异的概率最多$\exp(-c n p_n)$时,$p_n$是高于临界阈值$p_n = Ω(\frac{ \log n}{n})$。结果还扩展到$\{ξ_{i,j}\}$具有非零均值的情况。当有向Erdens-Réyni图的边连通概率大于临界阈值$Ω(\frac{\log n}{n})$时,我们进一步得到了其邻接矩阵的最小奇异值的定量估计.
2017-02-03 math.PR
Mod-phi convergence I: Normality zones and precise deviations
本文利用$ϕ$收敛的框架证明了一般实值随机变量序列$(X_{n})_{n \in \mathbb{N}}$(可以是格分布或非格分布)的精确大偏差或中偏差。我们建立精确的估计波动$P[X_{n} \in t_{n}B]$,而不是通常的估计指数衰减率$\log( P[X_{n}\in t_{n}B])$。我们的方法为我们提供了一个系统的方法来验证正常区域,即高斯近似的尾部仍然有效的区域。此外,残数函数测量了这种近似在常态区的边缘不能保持的程度。文章的第一部分致力于证明这些抽象的结果,并与现有的结果进行比较。然后,我们提出了这个理论所涵盖的新例子,来自数学的各个领域:古典概率论,数论(加法算术函数的统计),组合数学随机矩阵理论(Random Matrix Theory)(characteristic polynomials of random matrices in compact Lie groups),图论(随机Erdens-Rényi图的子图数)和非交换概率论(对称群的随机特征值的渐近性)。特别是,我们完成了我们的理论的精确偏差的累积量和依赖图,这适用于许多例子的总和“弱相关”随机变量的具体方法。大量的例子和各种各样的例子暗示了二阶涨落的普适性。
2015-11-23 math.CO math.PR