Poisson–Dirichlet分布

同義語:Poisson-Dirichlet分布Poisson–Dirichlet distribution

概要

Poisson–Dirichlet分布(Poisson–Dirichlet distribution)とは、$\theta>0$ について、独立な $\mathrm{Beta}(1,\theta)$ 分布の割合で棒を次々に折ってできる破片の長さを大きい順に並べた列の分布 $\mathrm{PD}(\theta)$ である。Kingman の表示により、強度 $\theta x^{-1}e^{-x}dx$ の Poisson 点過程の点を和で割って並べたものに等しく、並べた列は Gamma 分布に従う和と独立になる。この表示から、抽出による分割が Ewens の分布に従うこと、中華料理店過程のテーブルの割合と一様な置換の巡回置換の長さの割合が $\mathrm{PD}(\theta)$・$\mathrm{PD}(1)$ に収束することが従う。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: 中華料理店過程, Poisson点過程, Beta分布, ガンマ分布

Poisson–Dirichlet分布(Poisson–Dirichlet distribution)$\mathrm{PD}(\theta)$($\theta>0$)は、和が $1$ の非負の数列を大きい順に並べたもの全体
$$ \nabla:=\Bigl\{(p_1,p_2,\dots):p_1\ge p_2\ge\dots\ge0,\ \sum_ip_i=1\Bigr\} $$
の上の確率分布である。1 本の棒を、独立な $\mathrm{Beta}(1,\theta)$ 分布の割合で次々に折っていき、できた破片の長さを大きい順に並べたものの分布として定義される。Kingman が、無限に多くの種類への「ランダムな割り振り」の自然なモデルとして導入した。
$\mathrm{PD}(\theta)$ はさまざまな場面に現れる。一様にランダムな $[n]$ の置換の巡回置換の長さを $n$ で割って大きい順に並べると、$n\to\infty$ で $\mathrm{PD}(1)$ に分布収束する。中華料理店過程 $\mathrm{CRP}(\theta)$ のテーブルの人数の割合は $\mathrm{PD}(\theta)$ に収束し、集中度が $\theta$ で基底分布が原子をもたない Dirichlet過程 の原子の重みを大きい順に並べたものは $\mathrm{PD}(\theta)$ に従う。集団遺伝学では、対立遺伝子の頻度のモデルとして現れた。
この記事の主定理は Kingman の表示(thm-pd-gamma)である。強度 $\theta x^{-1}e^{-x}dx$ の Poisson点過程 の点を和 $S$ で割って並べると $\mathrm{PD}(\theta)$ が得られ、しかも並べた列は $S$ と独立になる。この表示から、サイズで偏らせた抽出が棒折りを再現すること、Ewens の分布(thm-pd-ewens)、中華料理店過程からの収束(thm-pd-limit)を導く。

定義

$\mathrm{Beta}(a,b)$ 分布は密度 $\frac{\Gamma(a+b)}{\Gamma(a)\Gamma(b)}v^{a-1}(1-v)^{b-1}$($0< v< 1$)の分布で、$\mathrm{Beta}(1,\theta)$ の密度は $\theta(1-v)^{\theta-1}$ である(Beta分布)。

GEM 分布と Poisson–Dirichlet 分布

$\theta>0$ とし、$W_1,W_2,\dots$ を独立で $\mathrm{Beta}(1,\theta)$ 分布に従う確率変数とする。
$$ \tilde P_1:=W_1,\qquad\tilde P_i:=W_i\prod_{j< i}(1-W_j)\quad(i\ge2) $$
で定まる列 $(\tilde P_i)$ の分布を GEM 分布 $\mathrm{GEM}(\theta)$(Griffiths–Engen–McCloskey)という。$(\tilde P_i)$ を大きい順に並べ替えた列の分布を Poisson–Dirichlet 分布 $\mathrm{PD}(\theta)$ という。

$\tilde P_i$ は、長さ $1$ の棒から割合 $W_1$ を折り取り、残りの長さ $1-W_1$ から割合 $W_2$ を折り取り、…としたときの $i$ 番目の破片の長さである。並べ替えができること(各 $\varepsilon>0$ について $\tilde P_i\ge\varepsilon$ となる $i$ が有限個であること)は、次の補題で和が $1$ であることから従う。

破片の和は 1

ほとんど確実に $\sum_i\tilde P_i=1$ である。

帰納法で $1-\sum_{i\le n}\tilde P_i=\prod_{i\le n}(1-W_i)$ である(残りの棒の長さ)。右辺は $n$ について減少し、独立性から期待値は $\mathbb E[1-W_1]^n=\bigl(\frac\theta{1+\theta}\bigr)^n\to0$ なので、Fatouの補題 によりその極限は期待値 $0$ の非負確率変数で、ほとんど確実に $0$ である。$\square$

和が $1$ の非負の列 $r=(r_i)$ について、サイズで偏らせた並べ替えを次のように定める。番号 $I_1$ を確率 $\mathbb P(I_1=i)=r_i$ で選び、$I_1,\dots,I_{m}$ を選んだあとは、残りの番号から $i$ を $r_i/(1-r_{I_1}-\dots-r_{I_m})$ に比例する確率で選んで $I_{m+1}$ とする。こうして得た列 $(r_{I_1},r_{I_2},\dots)$ が、$r$ の サイズで偏らせた並べ替え である。主定理の後半は、$\mathrm{PD}(\theta)$ のサイズで偏らせた並べ替えが $\mathrm{GEM}(\theta)$ に従うことを述べる。

Kingman の表示

$\nu(dx):=\theta x^{-1}e^{-x}dx$ を $(0,\infty)$ 上の測度とする。$\nu((0,\infty))=\infty$ だが、各 $\varepsilon>0$ で $\nu((\varepsilon,\infty))< \infty$、また $\int\min(x,1)\,\nu(dx)< \infty$ である。$\Phi$ を強度 $\nu$ の Poisson点過程 とし、$\Phi$ を点の集合(重複があれば重複度を込めて数える)とみなす。$\Phi$ の点に $\Phi$ 自身によって決まる量を掛けた和については、Poisson点過程 の定理「Mecke の等式」
$$ \mathbb E\sum_{x\in\Phi}g(x,\Phi)=\int\mathbb E\,g(x,\Phi+\delta_x)\,\nu(dx)\qquad(g\ge0) $$
を使う。これを $k$ 回繰り返すと、相異なる $k$ 個の点(重複度を込めて番号の異なる点)についての和 $\sum^{\ne}$ について
$$ \mathbb E\sum^{\ne}_{x_1,\dots,x_k\in\Phi}f(x_1,\dots,x_k)=\int f\,d\nu^{\otimes k}\qquad(f\ge0) $$
が成り立つ($k=2$ なら、$\sum_{x}\sum_{y\in\Phi-\delta_x}f(x,y)$ に Mecke の等式を使い、$(\Phi+\delta_x)-\delta_x=\Phi$ についてもう一度使う)。

Kingman の表示

$\Phi$ を強度 $\nu(dx)=\theta x^{-1}e^{-x}dx$ の Poisson 点過程とし、$S:=\sum_{x\in\Phi}x$ とおく。
(1) ほとんど確実に、$\Phi$ は無限個の相異なる点をもち、$S< \infty$ である。$S$ は $\mathrm{Gamma}(\theta,1)$ 分布(密度 $t^{\theta-1}e^{-t}/\Gamma(\theta)$)に従う。
(2) $\Phi$ の点を大きい順に $\xi_1>\xi_2>\dots$ と並べ、$R:=(\xi_i/S)_{i\ge1}$ とおく。$R$ は $S$ と独立である。
(3) $R$ のサイズで偏らせた並べ替えは $\mathrm{GEM}(\theta)$ に従い、$R$ は $\mathrm{PD}(\theta)$ に従う。

5 段で示す

段 1:和の分布. Poisson点過程 の Laplace 汎関数の公式を $u(x)=\lambda x$($\lambda>0$)に使い、Frullani積分 $\int_0^\infty\frac{e^{-x}-e^{-(1+\lambda)x}}x\,dx=\log(1+\lambda)$ を使うと
$$ \mathbb E[e^{-\lambda S}]=\exp\Bigl(-\theta\int_0^\infty(1-e^{-\lambda x})\frac{e^{-x}}x\,dx\Bigr)=(1+\lambda)^{-\theta} $$
となる。$\lambda\downarrow0$ で右辺は $1$ に近づくので $S< \infty$ がほとんど確実に成り立ち、右辺は $\mathrm{Gamma}(\theta,1)$ 分布の Laplace 変換なので、Laplace変換 の一意性から $S\sim\mathrm{Gamma}(\theta,1)$ である。
段 2:点の様子. $\Phi((\varepsilon,\infty))$ は平均 $\nu((\varepsilon,\infty))$ の Poisson 分布に従い、この平均は $\varepsilon\downarrow0$ で $\infty$ に近づく。よって各 $K$ について $\mathbb P(\Phi\text{ の点が }K\text{ 個以下})\le\mathbb P(\Phi((\varepsilon,\infty))\le K)\to0$ で、点はほとんど確実に無限個である。一方 $(\varepsilon,\infty)$ の点は有限個なので、点を大きい順に並べられる。2 点の一致は、上の公式で $k=2$、$f(x,y)=\mathbf 1\{x=y\}$ とすれば $\nu$ が原子をもたないことから期待値 $0$ の事象で、点はほとんど確実に相異なる。
段 3:独立性. $\lambda>0$ を固定し、$\mathrm{d}\mathbb Q_\lambda:=(1+\lambda)^\theta e^{-\lambda S}\,\mathrm d\mathbb P$ とおく。段 1 から $\mathbb Q_\lambda$ は確率測度で、可測な $u\ge0$ について
$$ \mathbb E_{\mathbb Q_\lambda}\Bigl[e^{-\sum_{x\in\Phi}u(x)}\Bigr]=(1+\lambda)^\theta\exp\Bigl(-\int(1-e^{-u(x)-\lambda x})\,\nu(dx)\Bigr)=\exp\Bigl(-\int(1-e^{-u(x)})e^{-\lambda x}\,\nu(dx)\Bigr) $$
である($(1+\lambda)^\theta=\exp\int(1-e^{-\lambda x})\nu(dx)$ を使った)。点過程 の定理「Poisson 過程の存在・一意性・Laplace 汎関数」の 3 の逆により、$\mathbb Q_\lambda$ のもとで $\Phi$ は強度 $e^{-\lambda x}\nu(dx)=\theta x^{-1}e^{-(1+\lambda)x}dx$ の Poisson 点過程である。この強度は、$\nu$ の写像 $x\mapsto x/(1+\lambda)$ による像なので、Poisson点過程 の定理「写像と制限」により、$\mathbb Q_\lambda$ のもとでの $\Phi$ は $\mathbb P$ のもとでの $(1+\lambda)^{-1}\Phi$ と同じ分布をもつ。$R$ は点を一斉に定数倍しても変わらないので、有界可測な $F$ について
$$ (1+\lambda)^\theta\,\mathbb E[F(R)e^{-\lambda S}]=\mathbb E_{\mathbb Q_\lambda}[F(R)]=\mathbb E[F(R)] $$
であり、$\mathbb E[F(R)e^{-\lambda S}]=\mathbb E[F(R)]\,\mathbb E[e^{-\lambda S}]$ がすべての $\lambda>0$ で成り立つ。$F\ge0$、$\mathbb E[F(R)]>0$ なら、確率測度 $A\mapsto\mathbb E[F(R)\mathbf 1_A(S)]/\mathbb E[F(R)]$ と $S$ の分布の Laplace 変換が一致するので、両者は等しい。よって $R$ と $S$ は独立である。
段 4:1 回のサイズで偏らせた抽出. $\Phi$ を与えたとき、点 $x$ を確率 $x/S$ で 1 つ選び、$V:=x/S$、残りの点を $S-x$ で割って大きい順に並べた列を $R'$ とする。有界可測な $g\ge0$ と $F\ge0$ について、Mecke の等式($(\Phi+\delta_x)-\delta_x=\Phi$、$\Phi+\delta_x$ の和は $S+x$)と段 3 の独立性から
$$ \mathbb E[g(V)F(R')]=\mathbb E\sum_{x\in\Phi}\frac xSg\Bigl(\frac xS\Bigr)F(R'_x)=\int\nu(dx)\,\mathbb E\Bigl[\frac x{x+S}g\Bigl(\frac x{x+S}\Bigr)F(R)\Bigr]=\mathbb E[F(R)]\,J(g) $$
である。ここで $R'_x$ は $x$ を選んだときの $R'$ で、
$$ J(g):=\int_0^\infty\!\!\int_0^\infty\theta x^{-1}e^{-x}\frac x{x+t}g\Bigl(\frac x{x+t}\Bigr)\frac{t^{\theta-1}e^{-t}}{\Gamma(\theta)}\,dt\,dx $$
である。$s=x+t$、$v=x/s$ と変数を変えると $dx\,dt=s\,ds\,dv$ で、被積分関数は $\theta g(v)(1-v)^{\theta-1}s^{\theta-1}e^{-s}/\Gamma(\theta)$ になる。$s$ について積分して $J(g)=\int_0^1g(v)\,\theta(1-v)^{\theta-1}dv$ を得る。よって $V\sim\mathrm{Beta}(1,\theta)$ で、$R'$ は $R$ と同じ分布をもち、$V$ と $R'$ は独立である。
段 5:反復. 段 4 の操作は、並べた列 $r=R$ から番号を確率 $r_i$ で 1 つ選ぶことと同じである。段 4 は「$r$ が $R$ と同じ分布なら、選んだ割合 $v$ と、残りを $1-v$ で割って並べた列 $r'$ は独立で、$v\sim\mathrm{Beta}(1,\theta)$、$r'$ は $R$ と同じ分布」と言い換えられる。これを $r'$ に繰り返し使うと、$n$ 回の抽出の割合 $V_1,\dots,V_n$ は独立に $\mathrm{Beta}(1,\theta)$ に従う。$m$ 回目に選んだ成分は、もとの $R$ の割合で $V_m\prod_{j< m}(1-V_j)$ なので、$R$ のサイズで偏らせた並べ替えは $\mathrm{GEM}(\theta)$ に従う。
lem-pd-sum によりこの並べ替えの和はほとんど確実に $1$ である。$R$ のある成分 $r_k>0$ が一度も選ばれなければ和は $1-r_k$ 以下になるので、$R$ のすべての成分が選ばれ、並べ替えを大きい順に戻すと $R$ になる。よって $R$ は $\mathrm{GEM}(\theta)$ の列を大きい順に並べたものと同じ分布、すなわち $\mathrm{PD}(\theta)$ に従う。$\square$

段 3 の独立性は、Gamma 分布に対応する強度 $\theta x^{-1}e^{-x}dx$ の特徴である。他の強度では一般に成り立たない(反例の表)。主定理から、$\mathrm{GEM}(\theta)$ は $\mathrm{PD}(\theta)$ のサイズで偏らせた並べ替えの分布でもあり、全質量 $\theta$ の Dirichlet過程 の定理「棒折り構成は Dirichlet 過程を与える」の重みを大きい順に並べたものは $\mathrm{PD}(\theta)$ に従う。

1 成分の関数の和

$P=(P_i)\sim\mathrm{PD}(\theta)$ と、可測な $f:[0,1]\to[0,\infty)$ について
$$ \mathbb E\sum_if(P_i)=\theta\int_0^1f(v)\,v^{-1}(1-v)^{\theta-1}dv $$
である。

サイズで偏らせた最初の抽出の割合 $V=P_{I_1}$ は、主定理の段 4 により $\mathrm{Beta}(1,\theta)$ に従う。$P_i>0$ なので $\mathbb E\sum_if(P_i)=\mathbb E\sum_iP_i\cdot\frac{f(P_i)}{P_i}=\mathbb E\bigl[\frac{f(V)}V\bigr]$ で、これは右辺に等しい。$\square$

$f(v)=v^2$ とすると $\mathbb E\sum_iP_i^2=\theta\int_0^1v(1-v)^{\theta-1}dv=\frac1{1+\theta}$ で、これは $P$ から独立に 2 つ抽出したときに同じ成分を引く確率である。

抽出による分割と Ewens の分布

$p\in\nabla$ を与えたとき、番号 $J_1,J_2,\dots$ を独立に $\mathbb P(J_m=i)=p_i$ で選び、$J_a=J_b$ のとき $a\sim b$ として $[n]=\{1,\dots,n\}$ の分割 $\Pi_n$ を作る。$P\sim\mathrm{PD}(\theta)$ をまず選び、その上でこの抽出をしたものを、$\mathrm{PD}(\theta)$ による 絵の具箱の分割 と呼ぶ。$\theta^{(n)}:=\theta(\theta+1)\cdots(\theta+n-1)$ と書く。

抽出の分割は Ewens の分布に従う

$\mathrm{PD}(\theta)$ による絵の具箱の分割 $\Pi_n$ と、組の大きさが $n_1,\dots,n_k$ の $[n]$ の分割 $\pi$ について
$$ \mathbb P(\Pi_n=\pi)=\frac{\theta^k}{\theta^{(n)}}\prod_{j=1}^k(n_j-1)! $$
である。

$\pi$ の組を $B_1,\dots,B_k$ とする。$P$ を与えたとき $\Pi_n=\pi$ となるのは、相異なる番号 $i_1,\dots,i_k$ があって $B_j$ の元がすべて $i_j$ を引くときなので、
$$ \mathbb P(\Pi_n=\pi)=\mathbb E\sum^{\ne}_{i_1,\dots,i_k}\prod_{j=1}^kP_{i_j}^{n_j} $$
である。thm-pd-gamma の表示で $P=R$ とし、$\Phi$ の相異なる点 $x_1,\dots,x_k$ についての和に書くと、括弧の中は $S^{-n}\sum^{\ne}\prod_jx_j^{n_j}$ で、これは $R$ の関数である。$R$ と $S$ の独立性から
$$ \mathbb E[S^n]\,\mathbb P(\Pi_n=\pi)=\mathbb E\sum^{\ne}_{x_1,\dots,x_k\in\Phi}\prod_{j=1}^kx_j^{n_j}=\prod_{j=1}^k\int_0^\infty x^{n_j}\theta x^{-1}e^{-x}dx=\theta^k\prod_{j=1}^k(n_j-1)! $$
である(2 つめの等号は相異なる $k$ 点についての公式)。$\mathbb E[S^n]=\Gamma(\theta+n)/\Gamma(\theta)=\theta^{(n)}$ で割ればよい。$\square$

これは 中華料理店過程 の定理「Ewens の分布」と同じ式である。$\mathrm{PD}(\theta)$ による絵の具箱の分割は、$\Pi_{n+1}$ から $n+1$ を除くと $\Pi_n$ になる整合的な列で、中華料理店過程も整合的なので、各 $n$ で分布が一致することから、列 $(\Pi_n)_{n\ge1}$ 全体の分布が $\mathrm{CRP}(\theta)$ と一致する。
割合の極限を調べるために、並べ替えについての補題を用意する。

並べ替えの連続性

$a^{(n)}=(a^{(n)}_i)$、$a=(a_i)$ を非負の列で、$\sum_ia^{(n)}_i\le1$、$\sum_ia_i=1$ とし、各 $i$ で $a^{(n)}_i\to a_i$ とする。このとき、大きい順に並べ替えた列について $\sup_i\bigl|a^{(n)}_{[i]}-a_{[i]}\bigr|\to0$ である。

和が有限の非負の列 $b$ について、$i$ 番目に大きい値は $b_{[i]}=\sup_{|F|=i}\min_{k\in F}b_k$($F$ は $i$ 元の番号の集合)と書ける。各成分を高々 $\delta$ だけ動かすと、$\min$ も $\sup$ も値は高々 $\delta$ しか動かないので、$\sup_i|b_{[i]}-c_{[i]}|\le\sup_k|b_k-c_k|$ である。
$\varepsilon>0$ について $\sum_{i>K}a_i< \varepsilon$ となる $K$ をとる。十分大きい $n$ で $|a^{(n)}_i-a_i|< \varepsilon/K$($i\le K$)なので、$\sum_{i\le K}a^{(n)}_i>1-2\varepsilon$ で、$\sum_{i>K}a^{(n)}_i< 2\varepsilon$ である。よって $\sup_k|a^{(n)}_k-a_k|\le3\varepsilon$ で、前段から並べ替えた列の差も $3\varepsilon$ 以下である。$\square$

中華料理店過程の割合の極限

$(\Pi_n)$ を $\mathrm{CRP}(\theta)$ とし、$\Pi_n$ の組の大きさを $n$ で割って大きい順に並べ、$0$ を補った列を $Q^{(n)}\in\nabla$ とする。$n\to\infty$ で $Q^{(n)}$ は、上限ノルムの意味で $\mathrm{PD}(\theta)$ に従う確率変数に分布収束する。とくに、一様にランダムな $[n]$ の置換の巡回置換の長さを $n$ で割って大きい順に並べた列は $\mathrm{PD}(1)$ に分布収束する。

絵の具箱への置き換え

thm-pd-ewens のあとの段落により、$\mathrm{CRP}(\theta)$ の代わりに $\mathrm{PD}(\theta)$ による絵の具箱の分割の列で示せば十分である。$P\sim\mathrm{PD}(\theta)$ を与えたとき、$N_{n,i}:=\#\{m\le n:J_m=i\}$ とおくと、大数の強法則により各 $i$ で $N_{n,i}/n\to P_i$ がほとんど確実に成り立つ(番号は可算個)。$\Pi_n$ の組は $N_{n,i}>0$ となる番号 $i$ に 1 対 1 に対応するので、$Q^{(n)}$ は $(N_{n,i}/n)_i$ を大きい順に並べたものである。$\sum_iN_{n,i}/n=1$、$\sum_iP_i=1$ なので、lem-pd-rank により $Q^{(n)}\to P$ が上限ノルムでほとんど確実に成り立ち、とくに分布収束する。置換については、中華料理店過程 の命題「一様な置換の巡回置換分解」により、巡回置換の分割が $\mathrm{CRP}(1)$ の $\Pi_n$ と同じ分布をもつことから従う。$\square$

最長の巡回置換

cor-pd-sum で $f(v)=\mathbf 1\{v>\frac12\}$ とする。$\frac12$ を超える成分は高々 1 つなので
$$ \mathbb P\Bigl(P_1>\frac12\Bigr)=\theta\int_{1/2}^1v^{-1}(1-v)^{\theta-1}dv $$
で、$\theta=1$ では $\log2=0.6931\ldots$ である。一方、$[n]$ の置換のうち長さ $k>\frac n2$ の巡回置換をもつものは $\binom nk(k-1)!(n-k)!=\frac{n!}k$ 個あり、そのような巡回置換は高々 1 つなので、一様な置換の最長の巡回置換が $\frac n2$ を超える確率は $\sum_{n/2< k\le n}\frac1k$ である。これは $n\to\infty$ で $\log2$ に近づき、thm-pd-limit と合う($\mathbb P(P_1=\frac12)=0$)。たとえば $n=10$ で $0.6456\ldots$、$n=1000$ で $0.6926\ldots$ である。

2 パラメータの族

$0\le\alpha< 1$、$\theta>-\alpha$ について、独立な $W_i\sim\mathrm{Beta}(1-\alpha,\theta+i\alpha)$ で棒を折った列の分布を $\mathrm{GEM}(\alpha,\theta)$、それを大きい順に並べたものの分布を $\mathrm{PD}(\alpha,\theta)$ という(Pit02 p. 64 の Definition 26。$\alpha=0$ が $\mathrm{PD}(\theta)$)。これは 中華料理店過程 の 2 パラメータの族の割合の極限で、抽出の分割の確率は Pit02 p. 63 の Theorem 25 の (155) で与えられる。
Kingman の表示に当たるものとして、強度 $\theta x^{-1}e^{-bx}dx$ の Poisson 点過程では和 $T$ と並べた割合が独立で(Pit02 p. 77 の (206)–(207))、強度 $\frac\alpha{\Gamma(1-\alpha)}x^{-\alpha-1}dx$(指数 $\alpha$ の 安定分布 に従う増加過程の跳びの強度)では割合は $\mathrm{PD}(\alpha,0)$ に従うが、和 $T$ は並べた割合の可測関数になる(Pit02 pp. 77–78、(209)–(211))。$\mathrm{PD}(\alpha,\theta)$ は、この安定の場合の分布を $T^{-\theta}$ に比例する密度で重み付けし直して得られる(Pit02 p. 79 の Theorem 39)。

反例:仮定を外すと成り立たないこと

外す仮定反例成り立たなくなる結論
thm-pd-gamma の強度が $\theta x^{-1}e^{-x}dx$ であること安定の強度 $\frac\alpha{\Gamma(1-\alpha)}x^{-\alpha-1}dx$ では和 $T$ が並べた割合の関数になる(Pit02 p. 78)和と並べた割合の独立性
thm-pd-ewens の $P\sim\mathrm{PD}(\theta)$決まった $p=(\frac12,\frac12,0,\dots)$ では、3 つ抽出してすべて異なる確率は $0$ だが、Ewens の式では $\frac{\theta^2}{(\theta+1)(\theta+2)}>0$Ewens の分布
lem-pd-rank の $\sum_ia_i=1$$a^{(n)}$ を第 $n$ 成分だけ $1$ の列とすると各成分は $0$ に収束するが、並べ替えはつねに $(1,0,0,\dots)$並べ替えた列の収束
lem-pd-sum の $W_i$ が同じ分布に従うこと決まった $W_i=\frac1{(i+1)^2}$ では $\prod_i(1-W_i)=\frac12$ で、破片の和は $\frac12$破片の和が $1$

2 行目の分割は交換可能だが、組の数が高々 2 なので Ewens の分布のどの $\theta$ とも異なる。4 行目では、折り取る割合が速く小さくなりすぎて、棒が使い切られない。

関連項目

参考文献

[1]
Jim Pitman, Combinatorial Stochastic Processes, Technical Report No. 621, Department of Statistics, University of California, Berkeley (2002), 2002, §3.2, Theorem 25, (155)(p. 63)、(156)(pp. 63–64)、Definition 26(p. 64)、§4.2, (206)–(207)(p. 77)、(208)–(211)(p. 78)、Theorem 39(p. 79)

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する