[论文解读] Long time behaviour of random walks on the integer lattice

Bartosz Trojan|arXiv (Cornell University)|Dec 30, 2015

Stochastic processes and statistical mechanics参考文献 7被引用 3

一句话总结

本文为在 $ d $-维整数格点上不可约有限范围随机游动的转移函数 $ p(n;x) $ 建立了一个新的渐近公式，适用于 $ |x|_1 = o(n) $ 的情形，通过改进的傅里叶反演与拉普拉斯方法，并结合退化二次型的几何控制。关键贡献在于引入一个非高斯、指数衰减的近似，通过显式误差界控制，将有效区域扩展至先前结果无法覆盖的范围，尤其在 $ |x|_2 $ 较大时，利用凸速率函数 $ \phi(\delta) $ 实现了更广范围的有效性。

ABSTRACT

We consider an irreducible finite range random walk on the $d$-dimensional integer lattice and study asymptotic behaviour of its transition function $p(n; x)$. In particular, for simple random walk our asymptotic formula is valid as long as $n (n - |x|_1)^{-2}$ tends to zero.

研究动机与目标

• 将随机游动转移函数 $ p(n;x) $ 的渐近近似有效区域扩展至标准局部极限定理之外的范围。
• 通过构建适用于 $ |x|_1 = o(n) $ 的公式，解决先前渐近公式在 $ |x|_2 \gtrsim n^{3/4} $ 时失效的问题。
• 为 $ p(n;x) $ 提供一个非高斯、指数衰减的近似，即使在大偏差区域也能正确捕捉衰减速率。
• 将结果从简单随机游动推广至任意不可约有限范围随机游动（包括均值为零或非零的情况）。

提出的方法

• 使用傅里叶反演公式将 $ p(n;x) $ 表示为在环面 $ \mathbb{T}^d $ 上的振荡积分。
• 将积分分为两部分：靠近原点的部分（通过拉普拉斯方法分析），以及远离原点的部分（通过几何论证控制）。
• 引入凸速率函数 $ \phi(\delta) = \max_x \{ \langle x, \delta \rangle - \log \kappa(x) \} $，其中 $ \kappa(x) = \frac{1}{d}(\cosh x_1 + \cdots + \cosh x_d) $，以捕捉大偏差行为。
• 通过隐函数关系 $ s = \nabla\phi(\delta) $，显式分析当 $ |\delta|_1 \to 1 $ 时二次型 $ B_s $ 的退化行为。
• 推导出包含 $ n^{-1}(1 - |\delta|_1)^{-2} $ 的误差界，从而获得具有可控误差项的统一渐近展开。
• 将该方法应用于三角格点上的随机游动，通过格点嵌入与变换至 $ \mathbb{Z}^2 $，验证了公式的鲁棒性。

实验结果

研究问题

• RQ1 能否推导出一个适用于 $ |x|_1 = o(n) $ 的 $ p(n;x) $ 渐近公式，从而超越先前结果在 $ |x|_2 = o(n^{3/4}) $ 范围内的限制？
• RQ2 当 $ |x|_2 \gg \sqrt{n} $，特别是在大偏差区域时，如何控制局部极限定理中误差项的大小？
• RQ3 在 $ \mathbb{Z}^d $ 上有限范围随机游动的转移密度中，正确的非高斯修正项是什么？
• RQ4 该渐近公式在格点变换（如将三角格点游动嵌入 $ \mathbb{Z}^2 $）下是否保持稳健？

主要发现

• 渐近公式 $ p(n;x) = (2\pi n)^{-d/2}(\det B_s)^{-1/2}e^{-n\phi(\delta)}(2 + \mathcal{O}(n^{-1}(1 - |\delta|_1)^{-2})) $ 对所有满足 $ |x|_1 \equiv n \pmod{2} $ 的情形一致成立，其中 $ \delta = x/n $，且只要 $ n(1 - |\delta|_1)^2 \to \infty $ 即有效。
• 当 $ |\delta|_1 \leq 1 - \epsilon $ 时，公式简化为 $ p(n;x) = d^{d/2}(2\pi n)^{-d/2}e^{-n\phi(\delta)}(2 + \mathcal{O}(|\delta|_1) + \mathcal{O}(n^{-1})) $，对所有 $ |x|_1 = o(n) $ 一致有效。
• 速率函数 $ \phi(\delta) $ 是严格凸的，且与 $ |\delta|_2^2 $ 可比较，但不能用二次型替代而不引入额外误差，凸显了修正项的非高斯特性。
• 通过分析隐函数关系 $ s = \nabla\phi(\delta) $，该方法控制了当 $ |\delta|_1 \to 1 $ 时 Hessian 矩阵 $ B_s $ 的退化行为，此时 $ |s|_2 \to \infty $。
• 该公式被成功应用于三角格点上的随机游动，经格点变换后验证渐近性成立，结果为 $ \tilde{q}(n;x) \sim (2\pi n)^{-1}e^{-n\phi(\delta)}(3\sqrt{3} + \mathcal{O}(|\delta|_1) + \mathcal{O}(n^{-1})) $。
• 最终渐近式中 $ \mathcal{O}(|\delta|_1) $ 项在 $ n $ 上一致，且公式在大偏差区域 $ |x|_1 = o(n) $ 内依然有效，显著扩展了先前结果的适用范围。