[논문 리뷰] Occupation Statistics of Critical Branching Random Walks

Steven P. Lalley, Xinghua Zheng|arXiv (Cornell University)|2007. 07. 25.

Forest Biomass Utilization and Management인용 수 6

한 줄 요약

이 논문은 d차원 정수 격자 위에서 임계 근접 이웃 분기 랜덤 워크의 직업 통계를 분석하며, n번째 세대까지 생존 조건 하에서 분석한다. 한계 정리들을 통해 3차원 이상에서 한 점에 존재하는 입자 수의 최댓값이 유한한 α차 모멘트를 가지는 경우 Op(n^{1/α})로 증가하고, 꼬리가 가벼운 분포를 가지는 경우 Op(log n)로 증가함을 보이며, 동시에 위치의 다중성 및 점 점유 통계는 각각 지수 및 로그 스케일링 극한으로 수렴함을 밝혀낸다.

ABSTRACT

Consider a critical nearest neighbor branching random walk on the d-dimensional integer lattice initiated by a single particle at the origin. Let Gn be the event that the branching random walk survives to generation n. We obtain limit theorems conditional on the event Gn for a variety of occupation statistics: (1) Let Vn be the maximal number of particles at a single site at time n. If the offspring distribution has finite αth moment for some integer α ≥ 2, then in dimensions 3 and higher, Vn = Op(n 1/α); and if the offspring distribution has an exponentially decaying tail, then Vn = Op(log n) in dimensions 3 and higher, and Vn = Op((log n) 2) in dimension 2. Furthermore, if the offspring distribution is non-degenerate then P(Vn ≥ δ log n|Gn) → 1 for some δ> 0. (2) Let Mn(j) be the number of multiplicity- j sites in the nth generation, that is, sites occupied by exactly j particles. In dimensions 3 and higher, the random variables Mn(j)/n converge jointly to multiples of an exponential random variable. (3) In dimension 2, the number of particles at a “typical ” site (that is, at the location of a randomly chosen particle of the nth generation) is of order Op(log n), and the number of occupied sites is Op(n/log n).

연구 동기 및 목표

• 임계 분기 랜덤 워크에서 각 위치의 입자 수 분포를 이해하기 위해.
• 생존 조건 하에서 어떤 한 위치에 존재하는 입자 수의 최댓값이 시간에 따라 어떻게 변화하는지 분석하기 위해.
• 모든 세대에 걸쳐 정확히 j개의 입자를 가진 위치들(다중성-j 위치들)의 공동 분포를 특성화하기 위해.
• 생존 조건 하에서 차원 2에서의 평균 입자 수 및 점유된 위치의 수를 결정하기 위해.

제안 방법

• 분기 과정이 n번째 세대까지 생존하는 사건 Gn에 조건을 두어 희귀하지만 관련된 표본 경로를 연구하기 위해.
• 모멘트 방법과 대 deviations 히우리스틱을 적용하여 어떤 위치에서의 입자 수 최댓값 Vn을 분석하기 위해.
• 분기 과정 이론과 생성 함수를 사용하여 Mn(j), 즉 정확히 j개의 입자를 가진 위치의 수의 점근적 분포를 유도하기 위해.
• 커플링 및 확률적 비교 기법을 활용하여 다양한 분포 꼬리 행동에 따라 Vn의 상한을 구하기 위해.
• n번째 세대의 입자들에서 크기 편향 표본을 사용하여 일반적인 점 점유도를 분석하기 위해.
• 차원 d ≥ 3에서 Mn(j)/n의 스케일링 극한을 도출하여, 다중성의 공동 극한 법칙이 지수 랜덤 변수의 배수로 수렴함을 보여주기 위해.

실험 결과

연구 질문

• RQ1 d ≥ 3인 임계 분기 랜덤 워크에서, 한 위치에 존재하는 입자 수의 최댓값 Vn은 n에 따라 어떻게 척도가 변하는가?
• RQ2 생존 조건 하에서 d ≥ 3인 차원에서 정확히 j개의 입자를 가진 위치의 점근적 분포(Mn(j))는 어떻게 되는가?
• RQ3 생존 조건 하에서 차원 2에서 일반적인 위치에 존재하는 입자 수는 어떻게 행동하는가?
• RQ4 생존 조건 하에서 차원 2에서 점유된 위치의 수의 점근적 순서는 무엇인가?
• RQ5 입자 수 및 점 점유도의 척도 법칙은 분포 꼬리 행동에 따라 어떻게 달라지는가?

주요 결과

• 3차원 이상에서, 만약 분포의 α차 모멘트가 유한하고 α ≥ 2이면, 생존 조건 하에서 Vn = Op(n^{1/α})이다.
• 만약 분포 꼬리가 지수적으로 감소한다면, 3차원 이상에서 Vn = Op(log n)이며, 2차원에서는 Vn = Op((log n)^2)이다.
• 비어 있지 않은 모든 분포에 대해, 어떤 δ > 0에 대해 P(Vn ≥ δ log n | Gn) → 1이며, 이는 조건부 하에서 로그 성장이 거의 확실함을 시사한다.
• 3차원 이상에서 정규화된 수 Mn(j)/n은 함께 지수 랜덤 변수의 배수로 수렴하며, 다중성의 공동 극한 법칙을 확립한다.
• 2차원에서는 일반적인 위치에 존재하는 입자 수(균일하게 n번째 세대에서 선택된 위치 기준)는 Op(log n)이며, 이는 더 높은 위치 집중을 반영한다.
• 2차원에서는 점유된 위치의 수가 Op(n / log n)이며, 이는 고차원에 비해 공간적 퍼짐이 더 희박함을 나타낸다.