[論文レビュー] Persistence exponent for discrete-time, time-reversible processes

Frank Aurzada, Nadine Guillotin‐Plantard|arXiv (Cornell University)|Feb 24, 2015

Topological and Geometric Data Analysis参考文献 24被引用数 6

ひとこと要約

本稿は、離散時間・時刻反転可能な確率過程のための持続指数を確立し、ガウス型のランダム散らかしにおけるランダムウォーク（RWRS）および長-range 依存性を示す定常ガウス過程の和を対象としている。指数関数的関数とスレピアンの不等式を用いた新しい接続により、自然なスケーリングと反転性の仮定の下で、正確な持続指数が導出される。一様次元のRWRSでは、安定Lévy極限を有する場合、$\theta = \frac{1}{2\alpha}$ が得られ、分数 Browm運動では $\theta = \frac{1}{2}$ が得られる。

ABSTRACT

We study the persistence probability for some discrete-time, time-reversible processes. In particular, we deduce the persistence exponent in a number of examples: first, we deal with random walks in random sceneries (RWRS) in any dimension with Gaussian scenery. Second, we deal with sums of stationary Gaussian sequences with correlations exhibiting long-range dependence. Apart from the persistence probability we deal with the position of the maximum and the time spent on the positive half-axis by the process.

研究の動機と目的

• 離散時間・時刻反転可能な過程における持続指数 $\theta$ を特定すること。ここで $\mathbb{P}(\max_{k=1,\dots,T} Z_k \leq 0) \sim T^{-\theta + o(1)}$ が $T \to \infty$ のとき成り立つ。
• ガウス過程にとどまらず、ランダム散らかしにおけるランダムウォーク（RWRS）のような非ガウス例を含めることで、分析を拡張すること。
• 連続時間の結果と対応させる離散時間の厳密な対応形を確立すること。ここでは、$\Phi(T) = \mathbb{E}\left[\left(\sum_{l=0}^{[T]} e^{Z_l}\right)^{-1}\right]$ の形をとる指数関数的関数を関連付ける。
• 持続性、最大値の位置、正の半軸に費やされた時間の間の関係を、反転可能な過程において分析すること。
• 特に長-range 依存性を示す系列およびさまざまな次元におけるRWRSに対して、時刻反転性と自然なスケーリングの下で、持続指数の結果を統一的かつ一般化すること。

提案手法

• 持続確率のなめらかな代理として、$\Phi(T) = \mathbb{E}\left[\left(\sum_{l=0}^{[T]} e^{Z_l}\right)^{-1}\right]$ を導入し、$\max_{k=1,\dots,T} Z_k \leq 0$ の事象と関連付ける。
• スレピアンの不等式を用いて、異なる共分散構造を持つガウス過程の尾確率を比較し、持続指数の上限・下限を得る。
• 時刻反転性を応用して、増分の定常性と対称性を導出し、スケーリングの議論において指数を導出する上で不可欠な性質を得る。
• 適切なスケーリングのもとで、持続確率と $\Phi(T)$ の漸近的同等性を確立する。$\Phi(T)$ は長期間にわたる負の遷移の確率を捉えるため、この性質が重要である。
• $Z_n^* = \max_{k=1,\dots,n} Z_k$ のモーメント推定と尾確率の境界を用いて、特に $Z_n^* > h$（$h$ が大きいとき）のときの大偏差確率を制御する。
• 集合 $\{1,\dots,T\}$ の区間分解を構築し、$\mathbb{P}(N_T < n)$（$N_T$ は正の半軸への訪問回数）の上界を、定常性と増分の制御を用いて得る。

実験結果

リサーチクエスチョン

• RQ1 ガウス型のランダム散らかしにおけるランダムウォークのような離散時間・時刻反転可能な過程の持続指数 $\theta$ は何か？
• RQ2 定常ガウス系列におけるスケーリングと長-range 依存性構造が、持続指数にどのように影響するか？
• RQ3 持続確率は指数関数的関数 $\Phi(T)$ と関連づけることができるか？この関数は指数の導出にどのように役立つか？
• RQ4 時刻反転性は持続指数を決定づける上で果たす役割は何か？一般の過程と比較して、解析をどのように簡素化するか？
• RQ5 反転可能な過程において、最大値の位置と正の半軸に費やされた時間は、持続指数とどのように関係するか？

主な発見

• 指数 $\alpha \in (1,2]$ の非一様安定分布の吸引域に属する一様次元のRWRSに対して、持続指数は $\theta = \frac{1}{2\alpha}$ である。これは、ケステン＝スピッツァー過程へのスケーリング極限により導出される。
• 高次元（$d \geq 2$）または一次元で非再帰的なランダムウォークでは、スケーリング極限がブラウン運動となるため、持続指数は $\theta = \frac{1}{2}$ である。
• 長-range 依存性を示す定常ガウス系列の和に対しては、持続指数は $\theta = \frac{1}{2}$ であり、ヒュースト指数 $H = \frac{1}{2}$ の分数 Browm運動に対応する。
• 指数関数的関数 $\Phi(T)$ が持続確率と漸近的に同等であることが示され、$\theta$ の導出に重要な解析的道具となることがわかった。
• スレピアンの不等式は、尾確率 $\mathbb{P}(Z_n^* > h)$ の境界を効果的に得るのにも用いられ、大偏差の制御を可能にし、持続確率の鋭い上限・下限を得ることに貢献した。
• 時刻反転性は、対称性と増分の定常性を保証する。これらは導出に不可欠であり、スケーリングと関数的極限から直接的に持続指数を導出可能であることを可能にする。