[论文解读] A law of large numbers for branching Markov processes by the ergodicity of ancestral lineages

Aline Marguet|arXiv (Cornell University)|Jul 22, 2017

Stochastic processes and statistical mechanics参考文献 25被引用 21

一句话总结

该论文通过利用祖先谱系的遍历性，为分支马尔可夫过程建立了大数定律，表明祖先轨迹的经验分布收敛于描述典型谱系的时间非齐次马尔可夫过程的均值。该方法避免了谱方法，适用于时间非齐次动力学，包括在变化环境中指数增长的大小结构化种群。

ABSTRACT

We are interested in the dynamic of a structured branching population where the trait of each individual moves according to a Markov process. The rate of division of each individual is a function of its trait and when a branching event occurs, the trait of a descendant at birth depends on the trait of the mother. We prove a law of large numbers for the empirical distribution of ancestral trajectories. It ensures that the empirical measure converges to the mean value of the spine which is a time-inhomogeneous Markov process describing the trait of a typical individual along its ancestral lineage. Our approach relies on ergodicity arguments for this time-inhomogeneous Markov process. We apply this technique on the example of a size-structured population with exponential growth in varying environment.

研究动机与目标

• 建立结构化分支马尔可夫过程中祖先轨迹经验测度的大数定律。
• 分析个体特征通过马尔可夫过程演化并影响分裂速率的种群的渐近行为。
• 开发一种避免谱理论的方法，转而依赖脊干过程的遍历性以获得收敛结果。
• 将收敛结果扩展至时间非齐次动力学，特别是变化环境中的情况。
• 为种群模型中的统计推断提供基础，例如估计细胞动力学中的分裂速率。

提出的方法

• 使用脊干技术将典型祖先谱系的特征演化表征为一个时间非齐次马尔可夫过程。
• 对脊干过程应用遍历性论证，以建立经验测度的收敛性。
• 运用“多对一”公式，将一阶矩半群与经验测度的行为联系起来。
• 利用柯尔莫哥洛夫向前方程和格朗沃尔不等式，推导辅助过程的一阶调和矩的界。
• 通过伊tô公式和指数矩估计，建立一致可积性和矩界。
• 通过显式矩界和比较论证，验证关键假设（A–F）的分支率和转移核。

实验结果

研究问题

• RQ1 在时间非齐次动力学下，分支马尔可夫过程中祖先轨迹的经验分布是否收敛于确定性极限？
• RQ2 该收敛性是否可不依赖谱理论或特征元而建立？
• RQ3 祖先谱系过程的遍历性如何确保经验测度的大数定律？
• RQ4 在时间非齐次情况下，哪些条件能保证一致可积性和矩界？
• RQ5 该方法能否应用于具有环境变化的模型，例如具有时变生长的大小结构化种群？

主要发现

• 祖先轨迹的经验测度以概率1收敛于描述典型谱系的脊干过程的均值，该过程为时间非齐次马尔可夫过程。
• 在马尔可夫过程和分裂速率的经典假设下，该收敛性成立，无需依赖谱分解。
• 辅助过程的一阶调和矩在时间上一致有界，确保了脊干测度的稳定性。
• 通过伊tô公式和指数矩估计，建立了种群大小及其二阶矩的矩界。
• 该方法适用于时间非齐次模型，包括在变化环境中具有指数增长的大小结构化种群。
• 验证了归一化种群大小的一致可积性，确认了大数定律的有效性。