機率方法

偏側局部引理(lopsided Local Lemma)

/ LOH-vahs /

偏側局部引理是洛瓦茲局部引理的強化版,它以單邊相關條件取代嚴格的互相獨立,大幅拓寬其適用範圍——尤其對置換與匹配這類從不成立真正獨立性的情形。在普通局部引理中,需要每個壞事件與其鄰域之外的事件互相獨立。但在許多自然情境中,壞事件彼此正相依(知道一個壞事件發生會使其他的也稍微更可能),而關鍵在於:以避開某些壞事件為條件,只會使剩下那個更不可能,而非更可能。偏側版本看出局部引理的證明實際只用到這種有利的單邊相依。

定義一個偏側相依圖:僅當 B_i 與 B_j 在所需的強意義下正相關時才連邊。其定義性要求是偏側條件:對每個壞事件 B_i 及由非鄰居所標記的每一群其他壞事件,條件機率滿足 P(B_i | 那些非鄰居事件全被避開) <= P(B_i)。換言之,避開它所不依賴的事件,絕不會增加 B_i 的機率。在此較弱假設下——配合同樣的算術判準 ep(d+1) <= 1 或非對稱 x_i 系統,但此時 d 只計偏側相依鄰居——同樣的結論成立:P(無壞事件發生) > 0。由於偏側相依圖可能遠比普通相依圖稀疏,判準在多得多的情況下獲得滿足。

其關鍵舞台是帶有均勻隨機置換或隨機完美匹配的結構,其中任兩個約束都重疊故從不獨立,卻恰在偏側意義下負相關。這正是人們證明(例如)拉丁橫貫存在的方式(在著色矩陣中沒有顏色出現太多次時,存在一個避開重複符號的置換),也是偏側形式用於加法組合學與模式避免的基礎。誠實的提醒是:驗證偏側相依條件是一項真正的分析工作:事件「大致不互動」並不足夠;你必須建立精確的不等式 P(B_i | 避開非鄰居) <= P(B_i),通常透過負關聯或耦合論證,而把相依圖弄錯會使整個結論失效。

拉丁橫貫:在一個 n×n 矩陣中,若每個符號至多出現 (n-1)/(4e) 次,則存在一個置換 sigma 使得元素 (i, sigma(i)) 兩兩相異。均勻隨機選取 sigma;壞事件 B_{ijk...} =「兩個同符號的格子都落在所選對角線上」。這些事件從不獨立(sigma 是單一全域物件),但以避開其他事件為條件只會降低每個的機率——偏側條件成立——且判準獲滿足,故拉丁橫貫存在。

偏側局部引理:只需 P(B_i | 避開非鄰居) <= P(B_i),故適用於置換與匹配。

單邊條件必須被證明,而非假設:你需要精確的 P(B_i | 避開其非鄰居) <= P(B_i),通常經由負關聯或耦合;錯誤的偏側相依圖會使結論無效。

又称
lopsided LLLlopsided dependencynegative-dependency LLL