[论文解读] How Far Might We Walk at Random?

Steven R. Finch|arXiv (Cornell University)|Feb 13, 2018

Complex Systems and Time Series Analysis参考文献 31被引用 3

一句话总结

本文研究了在原点处存在强反射和弱反射的一维随机游走的期望最大位移，推导出反射后最大位移 $M_n$ 的一、二阶矩的渐近表达式。对于对称游走，$\mathbb{E}[M_n] \sim \sqrt{\pi n / 2}$ 且 $\mathbb{E}[M_n^2] \sim 2G n$，其中 $G$ 为卡塔兰常数；对于非对称游走，$\mathbb{E}[M_n] = O(\ln n)$，且尚无已知的高阶项。

ABSTRACT

This elementary treatment first summarizes extreme values of a Bernoulli random walk on the one-dimensional integer lattice over a finite discrete time interval. Both the symmetric (unbiased) and asymmetric (biased) cases are discussed. Asymptotic results are given as the time interval length approaches infinity. Focus then shifts to such walks reflected at the origin -- in both strong and weak senses -- and related unsolved problems are meticulously examined.

研究动机与目标

• 推导一维随机游走在原点处强反射和弱反射下，最大位移 $M_n$ 的渐近表达式。
• 分析在具有反射的对称与非对称随机游走模型中，$\mathbb{E}[M_n]$ 和 $\mathbb{E}[M_n^2]$ 的行为。
• 识别在反射游走的高阶渐近展开和矩估计中尚未解决的问题，特别是在非对称情形下。
• 将结果扩展至懒惰随机游走（含零增量）和马氏调制游走，探讨结构如何影响最大位移。

提出的方法

• 利用组合与生成函数技术，推导出非对称随机游走中最大值与最小值联合概率的递推关系。
• 应用计算机代数（Mathematica）进行非严格、基于实验的矩渐近推导。
• 利用布朗运动和局部时理论的已知结果，推断反射游走的渐近行为。
• 分析反射游走中零交叉之间的循环最大值，将其建模为独立同分布的几何随机变量，以估计 $\mathbb{E}[M_n]$。
• 考虑广义模型，包括懒惰游走（$\mathbb{P}(X_i=0)=r$）和马氏依赖增量，以评估渐近结果的鲁棒性。
• 比较强反射（$S_j = |S_{j-1} + X_j|$）与弱反射（$S_j = \max\{S_{j-1} + X_j, 0\}$），并推测其在高阶项上的差异。

实验结果

研究问题

• RQ1 在强反射下，对称随机游走的 $\mathbb{E}[M_n]$ 和 $\mathbb{E}[M_n^2]$ 的渐近行为是什么？
• RQ2 在非对称情形下，反射最大位移 $M_n$ 的矩行为如何？为何 $\mathbb{E}[M_n] = O(\ln n)$ 是目前所知的最佳界？
• RQ3 反射游走的 $\mathbb{E}[M_n]$ 和 $\mathbb{E}[M_n^2]$ 的渐近展开中是否存在高阶项？若存在，它们是什么？
• RQ4 在懒惰随机游走（$\mathbb{P}(X_i=0) = r$）下，结果如何变化？负向步长的确定性时间安排有何影响？
• RQ5 步长增量的马氏依赖性对最大位移 $M_n$ 的分布有何影响？

主要发现

• 对于强反射或弱反射下的对称随机游走，$\mathbb{E}[M_n] \sim \sqrt{\pi n / 2}$ 且 $\mathbb{E}[M_n^2] \sim 2G n$，其中 $G \approx 0.9159655941$ 为卡塔兰常数。
• 在非对称情形（$p < q$）下，$\mathbb{E}[M_n] = O(\ln n)$，无已知高阶项，且 $\mathbb{E}[M_n^2] = O(\ln^2 n)$，表明方差有界。
• 对于 $\mathbb{P}(X_i = 1) = \mathbb{P}(X_i = -1) = 1/3$ 的懒惰随机游走，$\mathbb{E}[M_n]/\sqrt{n} \sim \sqrt{\pi/3} \approx 1.023$ 且 $\mathbb{E}[M_n^2]/n \sim (4/3)G \approx 1.221$。
• 当负向步长为确定性（例如每第三步为 $-1$）时，$\mathbb{E}[M_n]/\sqrt{n} \sim \sqrt{\pi/12} \approx 0.512$ 且 $\mathbb{E}[M_n^2]/n \sim (1/3)G \approx 0.305$，表明对步长时间安排极为敏感。
• 对于具有马氏依赖增量的持久随机游走，$\mathbb{E}[M_n^+] \sim \sqrt{\alpha/\beta} \left( \sqrt{2n/\pi} - \frac{1}{2}\sqrt{\alpha/\beta} \right)$，方差按 $\frac{\alpha}{\beta}(1 - 2/\pi)n$ 缩放。
• 反射游走的交叉矩 $\mathbb{E}[M_n^+ M_n^-]$ 尚未知，且对称反射情形下无已知高阶项。