[논문 리뷰] Matrix factorization identity for almost semi-continuous processes on a Markov chain

Д. В. Гусак, E. V. Karnaukh|ArXiv.org|2009. 08. 29.

advanced mathematical theories참고 문헌 1인용 수 5

한 줄 요약

이 논문은 유한하고 기약적인 마르코프 체인 위에서 정(stationary) 독립 증분을 갖는 거의 반연속 과정에 대해 행렬 분해 항등식을 수립한다. 라플라스 변환과 행렬 값 특성 함수를 활용하여 이러한 과정의 극값—예를 들어 최대값과 최소값—의 분포를 명시적으로 유도한다. 특히 과정의 비율 성분과 점프 성분에 대한 조건 하에서 수행된다.

ABSTRACT

In this article almost semi-continuous processes with stationary independent increments on a finite irreducible Markov chain are considered. For these processes the components of matrix factorization identity are concretely defined. On the basis of this concrete definition the relations for the distributions of extrema and distributions of their complements for the almost upper semi-continuous processes are established.

연구 동기 및 목표

• 마르코프 체인 위의 거의 반연속 과정으로 행렬 분해 항등식을 확장하여 이전의 반연속 경우 결과를 일반화한다.
• 마르코프 조절 레비 과정의 맥락에서 극값(최대값, 최소값)과 그 보완의 공동 분포를 특성화한다.
• 지수 시간 영역 하에서 첫 번째 통과 시간의 생성 함수 및 누적 최대값과 최소값의 분포에 대한 명시적 공식을 제공한다.
• 비율 성분이 0이거나 양수일 경우 과정의 거동을 분석하며, 특히 생존 확률과 음의 왜곡 분포에 초점을 맞춘다.

제안 방법

• 유한하고 기약적인 마르코프 체인 $ x(t) $ 와 각 상태에서 정의된 정의된 증분을 갖는 과정 $ \xi(t) $ 를 포함하는 이차원 마르코프 과정 $ Z(t) = \{\xi(t), x(t)\} $ 를 사용한다.
• 행렬 특성 함수 $ \boldsymbol{\Phi}(s,\alpha) = \mathbf{E}[e^{i\alpha\xi(\theta_s)}] $ 를 정의하며, 여기서 $ \theta_s $ 는 지수 분포를 따르는 랜덤 변수이며, 이를 $ s(s\mathbf{I} - \boldsymbol{\Psi}(\alpha))^{-1} $ 로 표현한다.
• 행렬 분해 항등식 $ \boldsymbol{\Phi}(s,\alpha) = \boldsymbol{\Phi}_+(s,\alpha)\mathbf{P}_s^{-1}\boldsymbol{\Phi}^-(s,\alpha) $ 를 적용하여 특성 함수를 최대값과 최소값의 분포와 연결한다.
• 푸리에-스타일리지 변환에 대한 투영 연산자 $ [\cdot]_\pm $ 를 사용하여 특성 함수의 양성 및 음성 성분을 분리한다.
• 확률 $ P^0_{kr}(t) $ 를 기반으로 한 전진 방정식에 라플라스-카르손 변환을 적용하여, 영 지연 분포의 생성 함수를 도출한다.
• 극한 표현 $ \check{\mathbf{R}}_+ = \lim_{s\to 0} s \check{\mathbf{R}}^{-1}_+(s) $ 를 명시적으로 유도하고, 이를 통해 $ \xi^- $ 와 $ \mathbf{p}_- $ 의 분포를 행렬 역행렬과 점프 분포로 표현한다.

실험 결과

연구 질문

• RQ1 유한하고 기약적인 마르코프 체인 위의 거의 상반연속 과정에 대해 행렬 분해 항등식을 어떻게 구체적으로 정의할 수 있는가?
• RQ2 지수 시간 영역 하에서 이러한 과정의 최대값과 최소값의 분포에 대해 명시적인 표현은 무엇인가?
• RQ3 비율 성분과 점프 성분은 파산 확률과 음의 왜곡 분포에 어떻게 영향을 미치는가?
• RQ4 정적 분포와 행렬 $ \mathbf{K}(r) $ 는 과정의 점근적 행동을 특성화하는 데 어떤 역할을 하는가?
• RQ5 언제 $ \xi^- $ 의 분포가 존재하며, 이를 어떤 행렬 연산으로 표현할 수 있는가?

주요 결과

• 조건 $ m_1^0 > 0 $ 하에서, $ \xi^- = \inf_{0\leq u\leq\infty} \xi(u) $ 의 엄격히 음수인 값의 분포는 $ \mathbf{E}[e^{r\xi^-}, \xi^- < 0] = \left[r\mathbf{K}^{-1}(r)(\mathbf{C} - r\mathbf{I})^{-1}\right]_- \check{\mathbf{R}}_+ $ 로 주어진다.
• 비율 성분 $ \mathbf{A} = 0 $ 인 경우, 확률 $ \mathbf{p}_- = \mathbf{P}(\xi^- = 0) $ 는 $ \left(\boldsymbol{\Lambda} - \mathbf{N}(\mathbf{f}(0) - \mathbf{I})\right) \check{\mathbf{R}}_+ $ 로 주어지며, 여기서 $ \check{\mathbf{R}}_+ = \lim_{s\to 0} s \check{\mathbf{R}}^{-1}_+(s) $ 이다.
• 조건 $ m_1^0 > 0 $ 하에서, $ \lim_{r\to 0} r\mathbf{K}^{-1}(r) = \frac{1}{m_1^0} \mathbf{P}_0 $ 이 성립하며, 이는 장기적 행동을 정적 분포와 연결한다.
• 레벨 $ x $ 로의 첫 번째 통과 시간의 생성 함수는 최대값의 라플라스 변환과 관련이 있으며, $ \overline{\mathbf{P}}_+(s,z) = \mathbf{E}[e^{-s\tau^+(z)}, \tau^+(z) < \infty] \mathbf{P}_s $ 로 표현된다.
• 행렬 $ \mathbf{P}_s = s(s\mathbf{I} - \mathbf{Q})^{-1} $ 는 $ s \to 0 $ 일 때 정적 전이 행렬 $ \mathbf{P}_0 $ 으로 수렴하며, $ \mathbf{P}_0 = \|\pi_r\| $ 로 주어진다.
• 음의 왜곡 $ \overline{\xi}(t) $ 의 분포는 관계 $ \mathbf{P}^-(s,x) = \mathbf{P}(\overline{\xi}(\theta_s) < x) $ 를 통해 특성화되며, 그 생성 함수는 행렬 역행렬과 투영 연산을 통해 도출된다.