[论文解读] On conditioned limit structure of the Markov branching process without finite second moment

Азам А. Имомов|arXiv (Cornell University)|Jan 6, 2022

Stochastic processes and statistical mechanics被引用 5

一句话总结

本文研究了在后代分布尾部呈正则变体的假设下，方差无限的连续时间马尔可夫分支过程的条件极限行为。论文建立了局部极限定理、遍历性质，并引入了马尔可夫 Q 过程作为非灭绝条件下的过程，证明在重尾后代分布下弱收敛至具有广义拉普拉斯变换的稳定分布。

ABSTRACT

Consider the continuous-time Markov Branching Process. In critical case we consider a situation when the generating function of intensity of transformation of particles has the infinite second moment, but its tail regularly varies in sense of Karamata. First we discuss limit properties of transition functions of the process. We prove local limit theorems and investigate ergodic properties of the process. Further we investigate limiting probability function conditioned to be never extinct. Hereupon we obtain a new stochastic population process as a continuous-time Markov chain called the Markov Q-Process. We study main properties of Markov Q-Process.

研究动机与目标

• 分析当后代分布的二阶矩为无穷时，连续时间马尔可夫分支过程的渐近行为。
• 在二阶矩有限的假设之外，扩展局部极限定理与遍历性质。
• 构建并表征一种新的随机过程——马尔可夫 Q 过程，作为给定非灭绝条件下的MBP的条件版本。
• 利用正则变体与Tauberian定理，建立在条件下的种群规模弱收敛结果。
• 将Harris型极限定理推广至方差无限的情形，特别是针对稳定极限分布。

提出的方法

• 使用过程的概率生成函数（PGF），并推导PGF随时间演化的后向柯尔莫哥洛夫方程。
• 应用Tauberian定理与慢变函数的性质，分析后代分布的尾部行为。
• 将马尔可夫 Q 过程引入为给定非灭绝条件下的连续时间马尔可夫链，其q-矩阵由原始MBP修改而来。
• 利用正则变体理论表征种群规模的渐近标度，特别是针对重尾后代分布。
• 通过分析生成函数在标度下的渐近行为，推导出极限分布的拉普拉斯变换。
• 利用转移函数的函数方程与半群性质，通过渐近展开与极限定理推导收敛结果。

实验结果

研究问题

• RQ1 当后代分布的二阶矩为无穷时，转移函数与局部极限定理的行为如何？
• RQ2 在方差无限的临界马尔可夫分支过程中，给定非灭绝时，种群规模的极限分布是什么？
• RQ3 如何构建一种新的随机过程——马尔可夫 Q 过程，以在重尾后代分布下建模非灭绝种群？
• RQ4 当后代分布具有正则变尾时，临界情况下重标种群规模的弱极限是什么？
• RQ5 能否将离散时间分支过程的Harris型极限定理扩展至方差无限的连续时间过程？

主要发现

• 论文在二阶矩为无穷但后代分布尾部呈正则变体的假设下，建立了马尔可夫分支过程的局部极限定理。
• 引入了马尔可夫 Q 过程作为MBP的非灭绝条件版本，其q-矩阵定义良好，且遍历性质依赖于参数 β = exp(f'(q))。
• 当 ν ∈ (0,1] 时，重标种群规模 W(t) 满足当 t → ∞ 时弱收敛至拉普拉斯变换为 (1 + θ^ν)^{-(1 + 1/ν)} 的分布。
• 该极限分布对应于广义厄兰分布，当 ν = 1 时退化为标准厄兰(2)分布。
• 通过生成函数的渐近分析与Tauberian定理建立收敛性，其中利用了后代分布尾部中的慢变函数 L(x)。
• 结果将经典Harris定理推广至方差无限情形，为在精细正则变体假设下的收敛速率提供了基础。