조건부 샘플링으로 본 분포 테스트의 시간·표본 복잡도 혁신

조건부 샘플링 모델에서 정체성 테스트와 근접성 테스트의 표본·시간 복잡도를 각각 ε⁻²와 ε⁻⁵·log log k 수준으로 크게 낮추었다. 이는 기존 최선 기록을 뛰어넘으며 정체성 테스트의 정보‑이론적 하한을 정확히 맞춘 최초의 결과이다.

저자: Moein Falahatgar, Ashkan Jafarpour, Alon Orlitsky

이 논문은 조건부 샘플링 모델을 전제로 한 분포 테스트 문제에 대한 새로운 알고리즘을 제시한다. 먼저 배경을 소개하면서, 정체성(identity) 테스트와 근접성(closeness) 테스트가 통계적 가설 검정에서 핵심 역할을 하며, 전통적인 무작위 샘플링에서는 도메인 크기 k 에 대한 선형 혹은 다항 의존성이 불가피하다는 점을 설명한다. 이후 조건부 샘플링이란, 쿼리 집합 S⊆

원본 논문

고화질 논문을 불러오는 중입니다...

댓글 및 학술 토론

Loading comments...

의견 남기기