[논문 리뷰] The principle of a single big jump: discrete and continuous time modulated random walks with heavy-tailed increments

Sergey Foss, Takis Konstantopoulos외 1명|arXiv (Cornell University)|2005. 09. 26.

Advanced Queuing Theory Analysis참고 문헌 28인용 수 11

한 줄 요약

이 논문은 확률적 원리인 단일 큰 점프 원리(Principle of a Single Big Jump)를 사용하여, 무거운 尾를 가진 증분을 가진 조절된 랜덤 워크와 레비 과정의 최대값에 대한 渐近 꼬리 행동을 수립한다. 하위지수적이고 장꼬리 조건 하에서 전체 최대값의 오른쪽 꼬리 분포에 대한 정확한 渐近값을 유도하며, 이는 이산 및 연속 시간 설정을 통합하고 완전히 확률론적인 증명을 제공한다.

ABSTRACT

We consider a modulated process S which, conditional on a background process X, has independent increments. Assuming that S drifts to -infinity and that its increments (jumps) are heavy-tailed (in a sense made precise in the paper), we exhibit natural conditions under which the asymptotics of the tail distribution of the overall maximum of S can be computed. We present results in discrete and in continuous time. In particular, in the absence of modulation, the process S in continuous time reduces to a Levy process with heavy-tailed Levy measure. A central point of the paper is that we make full use of the so-called ``principle of a single big jump'' in order to obtain both upper and lower bounds. Thus, the proofs are entirely probabilistic. The paper is motivated by queueing and Levy stochastic networks.

연구 동기 및 목표

• 무거운 꼬리 증분을 가진 조절된 랜덤 워크의 최대값 꼬리 渐近 행동에 대한 기존 결과를 일반화하고 통합하는 것.
• 패이크스-베라베르베케 정리(Pakes-Veraverbeke theorem)를 독립 증분을 가진 연속 시간 과정, 특히 레비 조건수를 가진 레비 과정으로 확장하는 것.
• 해석적 또는 변환 기반 방법을 피하고 단일 큰 점프 원리에 기반한 완전한 확률론적 증명을 제공하는 것.
• 시간에 따라 조절되는 다이내믹스가 존재하는 상황에서도 전체 최대값이 단일 큰 점프에 의해 지배되는 조건을 설정하는 것.
• 하위지수적이고 장꼬리 분포에 대해 이산 및 연속 시간 설정을 동일한 프레임워크 하에 통합하는 것.

제안 방법

• 단일 큰 점프 원리 사용: 큰 임계값을 초과하는 최대값은 渐近적으로 한 개의 매우 큰 증분에 의해 지배된다.
• 하위지수적이고 장꼬리 분포 이론을 적용하여 합과 최대값의 꼬리 행동을 특성화한다.
• 조건부 독립성과 재생 과정을 활용하여 상태에 따라 변화하는 점프 분포를 가진 시간 조절 랜덤 워크를 모델링한다.
• 함수 $ h_y $ 를 사용하여 $ \overline{F}(y - h_y) \sim \overline{F}(y) $ 를 만족시키는 조건을 도입하고, 커플링 방법과 渐近 동치를 통해 상한과 하한을 도출한다.
• 비조절된 경우에 패이크스-베라베르베케 정리를 적용하고, 경로 기반 커플링과 에르고딕 추론을 사용하여 이를 조절된 과정으로 확장한다.
• 통합 꼬리 분포 $ F^{\text{\tiny\rm I}} $ 를 사용하여 최대값의 渐近 꼬리 행동을 $ \frac{1}{a} F^{\text{\tiny\rm I}}(y) $ 로 표현하며, 여기서 $ a = -\mathbb{E}[\xi_1] > 0 $.

실험 결과

연구 질문

• RQ1 무거운 꼬리 증분을 가진 조절된 랜덤 워크의 최대값이 큰 점프 하나에 의해 渐近적으로 어떻게 행동하는가?
• RQ2 패이크스-베라베르베케 정리는 어떻게 독립 증분과 레비 조건수를 가진 연속 시간 과정으로 확장될 수 있는가?
• RQ3 단일 큰 점프 원리가 성립하기 위한 조절 과정과 점프 분포에 대한 필수 및 필요 조건은 무엇인가?
• RQ4 배경 재생 과정이 전체 최대값의 꼬리 渐近 행동에 어떤 영향을 미치는가?
• RQ5 라플라스 변환 또는 특성 함수에 의존하지 않고도 완전한 확률론적 증명을 구성할 수 있는가?

주요 결과

• i.i.d. 무거운 꼬리 증분과 음의 드리프트를 가진 조절된 랜덤 워크 $ S_n $ 에 대해, $ y \to \infty $ 일 때 $ \mathbb{P}(\sup_n S_n > y) \sim \frac{1}{a} F^{\text{\tiny\rm I}}(y) $ 를 만족하며, 여기서 $ a = -\mathbb{E}[\xi_1] > 0 $ 이고 $ F^{\text{\tiny\rm I}} $ 는 통합 꼬리 분포이다.
• 결과는 이산 시간과 연속 시간 모두에서 성립하며, 연속 시간 케이스는 하위지수적 레비 조건수를 가진 레비 과정으로 축소된다.
• 단일 큰 점프 원리가 엄밀히 정당화된다: 사건 $ \{\sup_n S_n > y\} $ 는 사건 $ \{\xi_n > y + na\} $ 의 합집합과 渐近적으로 동치이며, 그 확률의 합이 渐近 표현식을 제공한다.
• 배경 과정 $ X $ 를 조건으로 한 조건부 독립 증분의 경우, 꼬리 渐近 행동은 증분의 주변 꼬리 행동과 드리프트에 의해 결정되며, 하위지수성과 장꼬리 조건 하에서 성립한다.
• 논문은 $ F \in \mathcal{L} $ 이면 $ F^{\text{\tiny\rm I}} \in \mathcal{L} $ 이며, $ F^{\text{\tiny\rm I}} \in \SS $ 가 패이크스-베라베르베케 유형의 渐近 행동에 충분함을 증명한다.
• 조절 과정에 대한 강한 수렴법칙은 정적분 과정과의 커플링을 통해 비정상적인 경우로 확장되며, 경험 평균이 음의 드리프트로 거의 확실히 수렴함을 보장한다.