[论文解读] Limit theorems for some branching measure-valued processes

Bertrand Cloez|arXiv (Cornell University)|Jun 3, 2011

Stochastic processes and statistical mechanics参考文献 30被引用 12

一句话总结

本论文针对具有非局部分枝和空间运动的连续时间分支测度值过程，建立了极限定理，通过使用大小加权的辅助过程，推导了经验测度的长期行为。论文证明了多对一根公式，并展示了收敛到加权不变测度的结果，其应用涵盖分支Ornstein-Uhlenbeck过程与自相似分裂数过程。

ABSTRACT

We consider a particle system in continuous time, discrete population, with spatial motion and nonlocal branching. The offspring's weights and their number may depend on the mother's weight. Our setting captures, for instance, the processes indexed by a Galton-Watson tree. Using a size-biased auxiliary process for the empirical measure, we determine this asymptotic behaviour. We also obtain a large population approximation as weak solution of a growth-fragmentation equation. Several examples illustrate our results.

研究动机与目标

• 分析具有空间运动和非局部分枝的离散、连续时间分支粒子系统的长期渐近行为。
• 将多对一根公式推广至分裂数率和后代分布依赖于个体特征的模型。
• 推导经验测度的宏观近似，作为生长-分裂PDE的弱解。
• 在适当条件下，刻画经验测度收敛到加权不变分布的性质。
• 为特定模型（包括分支Ornstein-Uhlenbeck过程和自相似分裂数过程）提供严格的大型种群极限。

提出的方法

• 使用大小加权的辅助过程，通过多对一根公式表示经验测度，将问题简化为对单一典型谱系的研究。
• 应用Feynman-Kac型表示，将经验测度的期望表达为具有加权动力学的马氏过程的函数。
• 推导出包含底层运动（扩散）和分枝机制的辅助过程的生成元。
• 在尺度极限下，建立归一化经验测度收敛到生长-分裂PDE弱解的结论。
• 应用谱理论识别生成元的特征元，从而刻画极限不变测度的性质。
• 利用自相似分裂数和扩散过程的理论，验证分支Ornstein-Uhlenbeck过程等特定模型中的结果。

实验结果

研究问题

• RQ1 具有状态依赖分裂数率和非局部分枝的分支粒子系统经验测度在长期极限下的行为如何？
• RQ2 多对一根公式能否推广至后代分布可变且速率函数依赖于个体特征的分支过程？
• RQ3 归一化经验测度的宏观极限是什么？它与生长-分裂PDE解的关系如何？
• RQ4 在何种条件下经验测度依分布收敛到加权不变测度？
• RQ5 这些结果如何应用于分支Ornstein-Uhlenbeck过程和自相似分裂数过程等特定模型？

主要发现

• 对于分支Ornstein-Uhlenbeck过程，当 $ g > ho $（其中 $ ho = rac{1}{2} $）时，经验测度以概率收敛到密度与 $ e^{ ho x^2} $ 成比例的加权正态分布。
• Malthus参数 $ ho = rac{g - ho}{2} + a $ 决定了种群规模 $ \text{E}[N_t] $ 的指数增长速率，其中 $ \rho = rac{1}{2} $。
• 归一化经验测度的长期极限为 $ \frac{\textstyle\big\backslashint_{\mathbb{R}^d} f(y) e^{ ho y^2} \pi_{\infty}(dy)}{\textstyle\big\backslashint_{\mathbb{R}^d} e^{ ho y^2} \pi_{\infty}(dy)} $，其中 $ \pi_{\infty} $ 为高斯测度。
• 归一化经验测度的宏观近似弱收敛于由辅助过程生成元导出的生长-分裂PDE的解。
• 对于满足 $ \nu(\text{S}) < \infty $ 的自相似分裂数过程，通过设定 $ G = 0 $，$ r(x) = x^\rho \nu(\text{S}) $，并利用分裂测度 $ \nu $ 定义分枝机制，可完整刻画该模型。
• 函数 $ V(x) = x^p $ 是生成元 $ \mathcal{G} $ 的特征向量，证实了在自相似情形下存在尺度不变解。