[논문 리뷰] Persistence probabilities for stationary increment processes

Frank Aurzada, Nadine Guillotin‐Plantard외 1명|arXiv (Cornell University)|2016. 06. 01.

Stochastic processes and statistical mechanics참고 문헌 29인용 수 3

한 줄 요약

이 논문은 정(stationary) 증분을 갖는 이산 시간 확률과정에 대한 지속 확률을 추정하기 위한 새로운 접근법을 제시한다. 과정의 기대 범위를 핵심 도구로 사용하며, 지수 모멘트가 필요 없이 날카운 상한 및 하한을 확립함으로써 최적의 순서 추정을 달성한다. 특히 분수 브라운 운동, 랜덤 샤프트 환경에서의 랜덤 워크, 그리고 랜덤 방향을 갖는 Z² 상의 Matheron-de Marsily 모델에 대해 성공적으로 적용된다.

ABSTRACT

We study the persistence probability for processes with stationary increments. Our results apply to a number of examples: sums of stationary correlated random variables whose scaling limit is fractional Brownian motion, random walks in random sceneries, random processes in Brownian scenery, and the Matheron-de Marsily model in Z^2 with random orientations of the horizontal layers. Using a new approach, strongly related to the study of the range, we obtain an upper bound of optimal order in the general case and improved lower bounds (compared to previous literature) for many processes.

연구 동기 및 목표

• 정증분 과정에 대한 일반적이고 비마르코프적 지속 확률 추정 방법을 개발하기 위해.
• 다양한 확률과정에 걸쳐 지속 지수의 날카운 상한 및 하한을 제공하기 위해.
• 비마르코프 설정에서 자주 불가능한 지수 모멘트가 필요 없도록 제거하기 위해.
• 주요 예시인 분수 브라운 운동, 랜덤 샤프트 환경에서의 랜덤 워크, Matheron-de Marsily 모델에 이 방법을 적용하기 위해.
• Z²에서 랜덤 층 방향을 갖는 Matheron-de Marsily 모델의 정확한 지속 지수를 도출하여 오랫동안 제기된 추측을 확인하기 위해.

제안 방법

• 지속 확률의 대체 측정으로 최대 과정의 기대값 E[Zₙ*]을 사용하며, P(Zₙ* ≤ a) ≈ E[Zₙ*]/n 이 n^o(1) 항까지 성립함을 보임.
• 특히 격자값 과정에서 최대의 가측 대체 측정으로서 범위 Rₙ = #{Z₁,…,Zₙ}을 활용.
• 스코로호드 공간에서의 균일 적분 가능성과 약한 수렴을 적용하여 척도 근사에서 범위 및 최대값의 극한 분포를 도출함.
• 조건부 양의 상관관계와 모멘트 경계(문헌 [14]의 정리 2.1 활용)를 통해 랜덤 워크 환경 하에서 최대값의 성장률을 제어함.
• 범위 Rₙ^(1)/n^{3/4} 이 브라운 운동 국소시간의 기능으로 수렴함을 보임으로써 정확한 점근적 성질 도출.
• 극한 정리와 제1도달시간 관계 P(T₀ > n) ≈ c n^{-1/4} 를 조합하여 지속 지수 유도.

실험 결과

연구 질문

• RQ1 Z²에서 랜덤 층 방향을 갖는 Matheron-de Marsily 모델의 지속 지수는 무엇인가?
• RQ2 정증분을 갖는 비마르코프 과정에 대해 지수 모멘트가 필요 없이 지속 확률를 경계할 수 있는가?
• RQ3 과정의 기대 범위는 그 지속 확률과 어떻게 관련이 있는가?
• RQ4 Matheron-de Marsily 모델에서 0으로의 첫 번째 복귀 시간의 정확한 점근적 행동은 무엇인가?
• RQ5 분수 브라운 운동과 랜덤 샤프트 환경에서의 랜덤 워크와 같은 과정에 대해 통합 프레임워크를 통해 지속 지수를 도출할 수 있는가?

주요 결과

• Z²에서 랜덤 층 방향을 갖는 Matheron-de Marsily 모델에 대해, 지속 확률은 P(max_{k=1,…,n} Mₖ^(1) ≤ -1) ∼ (3/4) × [p / (1−p)^{1/4}] × E[sup_{t∈[0,1]} Δₜ^(0)] × n^{-1/4} 로 감소하며, Redner와 Majumdar의 추측을 확인한다.
• Matheron-de Marsily 모델의 지속 지수는 정확히 1/4이며, 과정의 범위 및 최대값의 척도 근사에서 도출된다.
• Matheron-de Marsily 과정의 범위 Rₙ^(1) 은 Rₙ^(1)/n^{3/4} → Kₚ × (sup Δₜ^(0) − inf Δₜ^(0)) 분포 수렴을 만족하며, E[Rₙ^(1)]/n^{3/4} → 2Kₚ × E[sup Δₜ^(0)] 를 만족한다.
• 0으로의 첫 번째 복귀 시간은 lim_{n→∞} n^{1/4} P(T₀^(1) > n) = (3/2)Kₚ × E[sup_{t∈[0,1]} Δₜ^(0)] 를 만족하여 재귀 행동에 대한 정밀한 점근적 표현을 제공한다.
• 지수 모멘트가 필요 없이도 지속 확률에 대해 최적의 순서 상한을 도출할 수 있으며, 분수 브라운 운동 및 기타 비마르코프 과정에 적용 가능하다.
• 유계 증분을 갖는 경우, E[Zₙ*]/n 이 n^o(1) 요소까지 정확한 감쇠율을 반영하므로 정확한 지속 지수를 도출할 수 있다.