[논문 리뷰] How Far Might We Walk at Random?

Steven R. Finch|arXiv (Cornell University)|2018. 02. 13.

Complex Systems and Time Series Analysis참고 문헌 31인용 수 3

한 줄 요약

이 논문은 원점에서 강한 반사와 약한 반사 조건 하에서 일차원 랜덤 워크의 기대 최대 이동 거리에 대해 연구하며, 반사된 최대값 $M_n$의 일차 및 이차 모멘트에 대한 渐近 표현식을 유도한다. 대칭 워크의 경우 $\mathbb{E}[M_n] \sim \sqrt{\pi n / 2}$ 이고 $\mathbb{E}[M_n^2] \sim 2G n$ 이며, 여기서 $G$ 는 캐틀란 상수이다; 비대칭 워크의 경우 $\mathbb{E}[M_n] = O(\ln n)$ 이며, 고차항은 알려져 있지 않다.

ABSTRACT

This elementary treatment first summarizes extreme values of a Bernoulli random walk on the one-dimensional integer lattice over a finite discrete time interval. Both the symmetric (unbiased) and asymmetric (biased) cases are discussed. Asymptotic results are given as the time interval length approaches infinity. Focus then shifts to such walks reflected at the origin -- in both strong and weak senses -- and related unsolved problems are meticulously examined.

연구 동기 및 목표

• 원점에서 강한 반사 및 약한 반사 조건 하에서 일차원 랜덤 워크의 기대 최대 이동 거리 $M_n$ 에 대한 渐近 표현식을 유도하기.
• 반사 조건이 있는 대칭 및 비대칭 랜덤 워크 모델에서 $\mathbb{E}[M_n]$ 과 $\mathbb{E}[M_n^2]$ 의 행동을 분석하기.
• 반사 워크에 대한 고차항 渐近 전개 및 모멘트 추정에서 열린 문제를 규명하기, 특히 비대칭 케이스에서의 문제를 중심으로.
• 지연 랜덤 워크(영 스텝이 포함된 경우)와 마코프-조절 워크로 결과를 확장하여, 워크의 구조가 최대 이동 거리에 미치는 영향을 탐색하기.

제안 방법

• 비대칭 랜덤 워크에서 최대값과 최소값의 동시 확률에 대한 재귀 관계를 조합 및 생성함수 기법을 통해 유도한다.
• 컴퓨터 대수 시스템(Mathematica)을 활용하여 모멘트 渐近 표현식을 비엄격한 실험 기반 추론으로 유도한다.
• 브라운 운동 및 에크스кур전 이론에서 알려진 결과를 활용하여 반사 워크의 渐近 행동을 추론한다.
• 반사 워크에서 0을 횡단하는 사이클의 최대값을 i.i.d. 기하 분포 랜덤 변수로 모델링하여 $\mathbb{E}[M_n]$ 을 추정한다.
• 지연 워크(예: $\mathbb{P}(X_i=0)=r$) 및 마코프 의존 스텝 증분을 포함한 일반화된 모델을 고려하여 渐近 결과의 안정성 평가.
• 강한 반사($S_j = |S_{j-1} + X_j|$) 와 약한 반사($S_j = \max\{S_{j-1} + X_j, 0\}$)를 비교하며, 고차항에서의 차이에 대해 추측한다.

실험 결과

연구 질문

• RQ1 강한 반사 조건 하에서 대칭 랜덤 워크에 대해 $\mathbb{E}[M_n]$ 과 $\mathbb{E}[M_n^2]$ 의 渐近 행동은 어떻게 되는가?
• RQ2 비대칭 케이스에서 반사 최대값 $M_n$ 의 모멘트는 어떻게 행동하는가? 왜 $\mathbb{E}[M_n] = O(\ln n)$ 이 가장 잘 알려진 상한인가?
• RQ3 반사 워크에 대해 $\mathbb{E}[M_n]$ 과 $\mathbb{E}[M_n^2]$ 의 渐近 전개에 고차항이 존재하는가? 존재한다면 그 형태는 무엇인가?
• RQ4 지연 랜덤 워크(예: $\mathbb{P}(X_i=0) = r$) 조건 하에서 결과는 어떻게 변화하는가? 음성 스텝의 결정적 타이밍은 어떤 영향을 미치는가?
• RQ5 스텝 증분에 마코프 의존성이 존재할 경우, 최대 이동 거리 $M_n$ 의 분포에 어떤 영향을 미치는가?

주요 결과

• 대칭 랜덤 워크에서 강한 반사 또는 약한 반사 조건 하에서 $\mathbb{E}[M_n] \sim \sqrt{\pi n / 2}$ 이고 $\mathbb{E}[M_n^2] \sim 2G n$ 이며, 여기서 $G \approx 0.9159655941$ 는 캐틀란 상수이다.
• 비대칭 케이스($p < q$) 에서 $\mathbb{E}[M_n] = O(\ln n)$ 이며, 고차항은 알려져 있지 않으며, $\mathbb{E}[M_n^2] = O(\ln^2 n)$ 이며, 이는 분산이 유계임을 시사한다.
• 지연 워크에서 $\mathbb{P}(X_i = 1) = \mathbb{P}(X_i = -1) = 1/3$ 이면 $\mathbb{E}[M_n]/\sqrt{n} \sim \sqrt{\pi/3} \approx 1.023$ 이고 $\mathbb{E}[M_n^2]/n \sim (4/3)G \approx 1.221$ 이다.
• 음성 스텝이 결정적일 경우(예: 매 3번째 스텝이 $-1$), $\mathbb{E}[M_n]/\sqrt{n} \sim \sqrt{\pi/12} \approx 0.512$ 이고 $\mathbb{E}[M_n^2]/n \sim (1/3)G \approx 0.305$ 로 나타나, 스텝 타이밍에 매우 민감함을 보인다.
• 마코프-의존 증분을 가진 지속적 워크의 경우 $\mathbb{E}[M_n^+] \sim \sqrt{\alpha/\beta} \left( \sqrt{2n/\pi} - \frac{1}{2}\sqrt{\alpha/\beta} \right)$ 이며, 분산은 $\frac{\alpha}{\beta}(1 - 2/\pi)n$ 으로 스케일링된다.
• 반사 워크에 대해 교차 모멘트 $\mathbb{E}[M_n^+ M_n^-]$ 는 알려져 있지 않으며, 대칭 반사 케이스에 대해 고차항은 알려져 있지 않다.