[논문 리뷰] Range of a Transient 2d-Random Walk

Arnaud Le Ny|arXiv (Cornell University)|2011. 11. 03.

Stochastic processes and statistical mechanics참고 문헌 7인용 수 4

한 줄 요약

이 논문은 무작위로 방향이 정해진 격자 위에서의 일시적 2차원 랜덤 워크의 범위를 연구하며, 고정된 조건 하에서와 평균화된 조건 하에서 기대 범위가 선형으로 증가함을 증명한다. 평균화된 경우에 대해 약한 대수법칙을 확립하고, 성장률을 고정된 그린 함수를 통해 표현하며, 분산이 선형 이하임을 보여 비표준 중심극한정리 스케일링을 지지한다.

ABSTRACT

We study the range of a planar random walk on a randomly oriented lattice, already known to be transient. We prove that the expectation of the range grows linearly, in both the quenched (for a.e. orientation) and annealed ("averaged") cases. We also express the rate of growth in terms of the quenched Green function and eventually prove a weak law of large numbers in the (non-Markovian) annealed case.

연구 동기 및 목표

• 무작위로 방향이 정해진 격자 위에서의 일시적 2차원 랜덤 워크의 범위의 渐近적 행동을 분석하는 것.
• 거의 확실한 방향성 하에서 범위에 대한 고정된 약한 대수법칙을 확립하는 것.
• 평균화된 경우에 대해 약한 대수법칙을 도출하고, 고정된 그린 함수를 통해 성장률을 특성화하는 것.
• 범위의 분산을 조사하고, 이 분산이 비마르코프적 설정에서 잠재적인 중심극한정리에 미치는 영향을 탐구하는 것.

제안 방법

• 수평 격자선에 대해 i.i.d. 라데마처 방향성을 부여하는 무작위 환경을 정의하여, 워크를 위한 방향성 그래프를 생성한다.
• 고정된 조건과 평균화된 조건 측도를 사용하여 워크의 행동을 연구하며, 평균화된 법칙은 전반적인 방향성 의존성으로 인해 비마르코프적임을 고려한다.
• 카스텔 등이 제시한 국소극한정리(지역극한정리)를 적용하여 귀환 확률을 추정하며, $ \mathbb{P}[M_n = (0,0)] = C \cdot n^{-5/4} + o(n^{-5/4}) $ 를 도출한다.
• 고정된 그린 함수 $ U_{\text{cp}}^{(\epsilon)} $ 를 유도하고, 이를 통해 기대 범위의 성장률 $ \gamma_{\text{cp}} $ 를 표현한다.
• 방문 확률 분해를 통해 범위의 분산을 분석하고, 마르코프 부등식을 적용하여 약한 대수법칙을 증명한다.
• 항상성 분산을 제어하기 위해 $ \mathbb{P}^{(\epsilon)}[A_j] $, $ \mathbb{P}^{(\epsilon)}[A_{j,k}] $ 등의 항을 유계화하고, 농도 집중 논증을 사용하여 0으로 수렴함을 보인다.

실험 결과

연구 질문

• RQ1 무작위로 방향이 정해진 격자 위에서의 일시적 2차원 랜덤 워크의 기대 범위는 고정된 조건 하에서 선형으로 증가하는가?
• RQ2 평균화된 조건 하에서 범위의 성장률은 무엇이며, 고정된 그린 함수와 어떻게 관련이 있는가?
• RQ3 비마르코프적 성격을 지닌 프로세스임에도 불구하고, 평균화된 측도 하에서 범위에 대해 약한 대수법칙을 확립할 수 있는가?
• RQ4 범위의 분산의 渐진적 행동은 어떠한가? 이는 비표준 중심극한정리에 대한 근거를 제공하는가?
• RQ5 무작위 환경의 구조는 표준 2차원 랜덤 워크와 비교해 복귀-이행의 이분법에 어떤 영향을 미치는가?

주요 결과

• 고정된 조건 하에서 기대 범위는 선형으로 증가한다: $ \mathbb{E}^{(\epsilon)}[R_n] = n \cdot \gamma_{\text{cp}} + o(n) $ for $ \rho $-a.e. $ \epsilon $, 여기서 $ \gamma_{\text{cp}} $ 는 고정된 그린 함수를 통해 표현된다.
• 평균화된 조건 하에서 약한 대수법칙이 성립한다: $ \frac{R_n}{n} \xrightarrow{\mathbb{P}} \gamma_{\text{cp}} $, 여기서 $ \gamma_{\text{cp}} = \mathbb{E}_{\rho}[U_{\text{cp}}^{(\epsilon)}] $.
• 평균화된 분산 $ \text{Var}_{\text{cp}}(R_n) $ 는 선형 이하이며, $ \frac{1}{n^2} \text{Var}_{\text{cp}}(R_n) \to 0 $ 를 만족하여 확률 수렴을 의미한다.
• 논문은 분산이 $ n^{3/2} $ 으로 스케일링될 수 있음을 제안하며, 이는 정규화 $ \sqrt{n\sqrt{n}} $ 를 사용한 비표준 중심극한정리로 이어질 수 있음을 시사한다.
• 고정된 약한 대수법칙은 평균화된 분석의 부산물로 복원된다.
• 모델은 무작위 방향성으로 인해 고전적인 폴리아의 복귀-이행 이분법을 깨뜨리며, 고정된 조건 하에서 거의 확실히 이행성이 발생한다.