[논문 리뷰] Intrinsic branching structure within random walk on Z

Wenming Hong, Huaming Wang|arXiv (Cornell University)|2010. 01. 01.

Stochastic processes and statistical mechanics참고 문헌 6인용 수 3

한 줄 요약

이 논문은 정수 격자 Z 위에서 유계 점프를 가지는 비균질 랜덤 워크의 배경에 숨겨진 내재된 분기 과정 구조를 드러내며, [1, ∞)에 대한 첫 번째 도달 시간이 비균질 다형 분기 과정을 통해 표현될 수 있음을 보여준다. 주요 결과로는, 유계 점프를 가지는 랜덤 환경에서의 랜덤 워크에 대해 대수법칙을 확립하고, 환경의 전이 확률에 따라 환경을 입자 시점에서 본 경우의 불변 밀도와 극한 속도를 명시적으로 유도한다.

ABSTRACT

In this paper, we reveal the branching structure for a non-homogeneous random walk with bounded jumps. The ladder time T1, the first hitting time of [1,1 ) by the walk starting from 0, could be expressed in terms of a non-homogeneous multitype branching process. As an application of the branching structure, we prove a law of large numbers of random walk in random environment with bounded jumps and specify the explicit invariant density for the Markov chain of “the environment viewed from the particle” .The invariant density and the limit velocity could be expressed explicitly in terms of the environment.

연구 동기 및 목표

• 정수 격자 Z 위에서 유계 점프를 가지는 비균질 랜덤 워크에 내재된 분기 과정 구조를 밝혀내는 것.
• 시작점이 0인 워크에 대해 [1, ∞)에 대한 첫 번째 도달 시간 T1을 분기 과정 기법을 사용하여 분석하는 것.
• 유계 점프를 가지는 랜덤 환경에서의 랜덤 워크에 대해 대수법칙을 확립하는 것.
• 입자 시점에서 본 환경으로 형성된 마르코프 체인의 불변 밀도와 극한 속도를 명시적으로 특성화하는 것.

제안 방법

• 비균질 다형 분기 과정의 기능으로서 [1, ∞)에 대한 첫 번째 도달 시간 T1을 모델링하는 것.
• 분기 과정 표현을 사용하여 랜덤 환경에서의 랜덤 워크의 장기적 행동을 분석하는 것.
• 분기 과정 구조를 이용하여 입자 시점에서 본 환경의 불변 밀도를 도출하는 것.
• 랜덤 워크의 극한 속도를 환경의 전이 확률에 대해 명시적으로 표현하는 것.
• 분기 과정 프레임워크를 적용하여 워크 위치에 대한 대수법칙을 증명하는 것.

실험 결과

연구 질문

• RQ1 정수 격자 Z 위에서 비균질 랜덤 워크에 대해 [1, ∞)에 대한 첫 번째 도달 시간 T1이 비균질 다형 분기 과정을 통해 표현될 수 있는가?
• RQ2 내재된 분기 과정 구조가 입자 시점에서 본 환경의 불변 밀도를 명시적으로 계산하는 데 기여하는가?
• RQ3 유계 점프 랜덤 환경에서의 랜덤 워크의 극한 속도의 명시적 형태는 무엇인가?
• RQ4 분기 과정 프레임워크는 이러한 워크에 대해 대수법칙을 도출하는 데 어떻게 기여하는가?

주요 결과

• 0에서 시작하는 랜덤 워크에 대해 [1, ∞)에 대한 첫 번째 도달 시간 T1은 정확히 비균질 다형 분기 과정을 통해 표현될 수 있다.
• 입자 시점에서 본 환경의 불변 밀도는 환경의 전이 확률에 대해 명시적으로 표현된다.
• 랜덤 환경에서의 랜덤 워크의 극한 속도는 환경의 구조에 의해 명시적으로 결정된다.
• 유계 점프를 가지는 랜덤 환경에서의 랜덤 워크에 대해 대수법칙이 성립하며, 극한 속도는 환경의 전이 메커니즘으로부터 도출된다.
• 분기 과정 구조는 랜덤 워크의 복잡한 통계적 특성, 예를 들어 재귀성과 비재귀성의 성질을 분석하고 계산하는 데 구조적인 프레임워크를 제공한다.