[논문 리뷰] The critical Branching Markov Chain is transient

Nina Gantert, Sebastian Mueller|arXiv (Cornell University)|2005. 10. 26.

Stochastic processes and statistical mechanics참고 문헌 6인용 수 31

한 줄 요약

이 논문은 임계 Branching Markov Chain(BMC)가 비반복적임을 입증한다. 즉, 거의 확실하게 어떤 상태도 무한히 반복 방문하지 않는다. 이는 스펙트럼 반경 분석과 초조화 함수를 사용하여 증명되며, 평균 후손 수가 스펙트럼 반경의 역수와 같을 때조차, 비어 있는 이동성과 일정한 분열 비율 조건 하에서도 어떤 상태로도 무한히 되돌아오지 않는다는 것을 보여준다.

ABSTRACT

We investigate recurrence and transience of Branching Markov Chains (BMC) in discrete time. Branching Markov Chains are clouds of particles which move (according to an irreducible underlying Markov Chain) and produce offspring independently. The offspring distribution can depend on the location of the particle. If the offspring distribution is constant for all locations, these are Tree-Indexed Markov chains in the sense of \cite{benjamini94}. Starting with one particle at location $x$, we denote by $α(x)$ the probability that $x$ is visited infinitely often by the cloud. Due to the irreducibility of the underlying Markov Chain, there are three regimes: either $α(x) = 0$ for all $x$ (transient regime), or $0 < α(x) < 1$ for all $x$ (weakly recurrent regime) or $α(x) = 1$ for all $x$ (strongly recurrent regime). We give classification results, including a sufficient condition for transience in the general case. If the mean of the offspring distribution is constant, we give a criterion for transience involving the spectral radius of the underlying Markov Chain and the mean of the offspring distribution.

연구 동기 및 목표

• 일반적이고 위치에 따라 달라지는 후손 분포를 가진 Branching Markov Chain(BMC)의 재귀성 및 비반복성 행동을 분류하는 것.
• 평균 후손 수가 스펙트럼 반경의 역수와 같을 때의 임계 BMC가 재귀성 또는 비반복성을 보이는지 확인하는 것.
• 초조화 함수와 스펙트럼 반경 이론을 사용하여 일반 BMC에서 비반복성에 대한 충분 조건을 설정하는 것.
• 준전이성 또는 균일 수렴 가정 하에서 약한 재귀적 영역이 발생하지 않으며, 재귀성은 강한 재귀성을 함의한다는 것을 보여주는 것.

제안 방법

• 기저가 되는 비가역적 마르코프 체인 $P$의 스펙트럼 반경 $\rho(P)$를 $\limsup_{n\to\infty} p^{(n)}(x,y)^{1/n}$로 정의하여, 귀환 확률의 감쇠 비율을 기술한다.
• 반드시 $Pf \leq t f$를 만족하는 $t$-초조화 함수 $f$를 사용하여, $\rho(P)$를 양함수 $f$가 존재하는 최소 $t > 0$로 특성화한다.
• 귀환 확률 $p^{(k_i)}(x_{s_i},x_{s_i})$가 $m^{-k_i}$를 초과하는 정규 간격 $k_i$에서 BMC를 관측하여 임베디드 갈튼-워슨 과정의 수열을 구성함으로써, 초임계성을 확보한다.
• 준전이성 하에서 유한한 궤도 수를 고려하여, 이러한 임베디드 과정의 멸종 확률이 1에서 일관되게 떨어져 있음을 이용하여, 무한한 귀환 확률이 양수임을 보인다.
• 페르론-프로베니우스 정리를 적용하여, $\mathbb{Z}^d$에서 대칭 랜덤 워크의 $\rho(P)$를 계산하여 $\rho(P) = 2\sum_{i=1}^d \sqrt{p_i^+ p_i^-}$를 도출한다.
• 임계 임계값 $m_c = 1 / \rho(P)$를 유도하여, $m \leq m_c$이면 BMC가 비반복적이고, $m > m_c$이면 강한 재귀적임을 보여준다.

실험 결과

연구 질문

• RQ1 평균 후손 수가 $1/\rho(P)$와 같을 때의 임계 Branching Markov Chain는 비반복적일까, 재귀적일까?
• RQ2 후손 분포와 기저 마르코프 체인에 대한 일반적 조건에서 비반복성이 보장되는가?
• RQ3 약한 재귀적 영역—모든 $x$에 대해 $0 < \alpha(x) < 1$—는 실제로 발생하는가, 아니면 대칭성 또는 균일성 가정 하에서 배제되는가?
• RQ4 후손 평균이 일정할 경우, 재귀/비반복성 분류가 스펙트럼 반경 조건으로 축소될 수 있는가?
• RQ5 기저 마르코프 체인의 구조(예: $\mathbb{Z}^d$에서의 대칭 랜덤 워크)가 임계 분열 강도에 어떤 영향을 미치는가?

주요 결과

• 임계 Branching Markov Chain는 비반복적이다: 평균 후손 수 $m = 1/\rho(P)$일 때, 모든 $x$에 대해 상태 $x$가 무한히 반복 방문될 확률 $\alpha(x)$는 0이다.
• 대칭 랜덤 워크를 $\mathbb{Z}^d$에서 수행할 경우, $m > 1 / \left(2 \sum_{i=1}^d \sqrt{p_i^+ p_i^-} \right)$이면 BMC는 강한 재귀적이고, 그 외의 경우 비반복적이다.
• 편이 $p \in (0,1)$를 가진 $\mathbb{Z}$에서의 랜덤 워크의 경우, $m \leq 1 / (2\sqrt{p(1-p)})$이면 BMC는 비반복적이며, $m > 1 / (2\sqrt{p(1-p)})$이면 강한 재귀적이다.
• 준전이성 조건 하에서 약한 재귀적 영역은 발생하지 않는다: 기저 체인이 준전이적이며 후손 평균이 일정할 경우, $\alpha(x) = 0$이 모든 $x$에 대해 성립하거나($\alpha(x) = 1$이 모든 $x$에 대해 성립하거나(강한 재귀적)), 비반복적이다.
• 스펙트럼 반경 조건이 만족될 경우, 귀환 시간에 구성된 임베디드 갈튼-워슨 과정의 멸종 확률은 1에서 일관되게 떨어져 있으며, 이는 비반복성 실패 시에도 무한한 귀환 확률이 양수임을 보장한다.
• 이 결과는 이전 연구의 모순을 해결한다: [3]의 정리 4.3에서 부등호는 $<$가 아니라 $\leq$여야 하며, 이는 임계 임계점에서도 비반복성이 성립함을 확인한다.