[论文解读] Occupation Statistics of Critical Branching Random Walks

Steven P. Lalley, Xinghua Zheng|arXiv (Cornell University)|Jul 25, 2007

Forest Biomass Utilization and Management被引用 6

一句话总结

该论文分析了在 d 维整数格点上进行的临界最近邻分支随机游走中，条件于存活至第 n 代时的职业统计。研究建立了极限定理，表明在维度 3 及以上时，单个位置上粒子数的最大值以 Op(n^{1/α}) 的速度增长（当矩的 α 阶矩有限时）或以 Op(log n) 的速度增长（当后代分布尾部轻时），而站点多重性与站点占用统计分别收敛到指数和对数尺度极限。

ABSTRACT

Consider a critical nearest neighbor branching random walk on the d-dimensional integer lattice initiated by a single particle at the origin. Let Gn be the event that the branching random walk survives to generation n. We obtain limit theorems conditional on the event Gn for a variety of occupation statistics: (1) Let Vn be the maximal number of particles at a single site at time n. If the offspring distribution has finite αth moment for some integer α ≥ 2, then in dimensions 3 and higher, Vn = Op(n 1/α); and if the offspring distribution has an exponentially decaying tail, then Vn = Op(log n) in dimensions 3 and higher, and Vn = Op((log n) 2) in dimension 2. Furthermore, if the offspring distribution is non-degenerate then P(Vn ≥ δ log n|Gn) → 1 for some δ> 0. (2) Let Mn(j) be the number of multiplicity- j sites in the nth generation, that is, sites occupied by exactly j particles. In dimensions 3 and higher, the random variables Mn(j)/n converge jointly to multiples of an exponential random variable. (3) In dimension 2, the number of particles at a “typical ” site (that is, at the location of a randomly chosen particle of the nth generation) is of order Op(log n), and the number of occupied sites is Op(n/log n).

研究动机与目标

• 理解在 Z^d 上临界分支随机游走中，单个站点上粒子数的分布。
• 分析在条件于存活至第 n 代时，任一单个站点上粒子数最大值随时间的演化。
• 刻画在各代中恰好含有 j 个粒子的站点（即多重性为 j 的站点）的联合分布。
• 在条件于存活至第 n 代时，确定二维空间中每个站点的典型粒子数以及被占用站点的数量。

提出的方法

• 对存活事件 Gn 进行条件化，即分支过程存活至第 n 代，以研究罕见但相关的样本路径。
• 应用矩方法和大偏差启发式方法分析任一站点上粒子数最大值 Vn。
• 利用分支过程理论与生成函数，推导出 Mn(j)（即恰好含有 j 个粒子的站点数）的渐近分布。
• 采用耦合与随机比较技术，在不同后代尾部行为下对 Vn 进行上界估计。
• 通过第 n 代粒子的大小加权抽样分析典型站点占用情况。
• 在维度 d ≥ 3 时，推导出 Mn(j)/n 的尺度极限，表明其收敛到指数随机变量的倍数。

实验结果

研究问题

• RQ1 在维度 d ≥ 3 的临界分支随机游走中，单个站点上粒子数的最大值 Vn 如何随 n 规模化？
• RQ2 在维度 d ≥ 3 时，条件于存活至第 n 代，恰好含有 j 个粒子的站点数（Mn(j)）的渐近分布为何？
• RQ3 在维度 2 中，条件于存活至第 n 代时，典型站点的粒子数行为如何？
• RQ4 在维度 2 中，条件于存活至第 n 代时，被占用站点数量的渐近阶为何？
• RQ5 粒子数与站点占用的尺度律如何依赖于后代分布的尾部行为？

主要发现

• 在维度 3 及以上时，若后代分布具有有限的 α 阶矩（α ≥ 2），则在条件于存活至第 n 代时，Vn = Op(n^{1/α})。
• 若后代分布具有指数衰减尾部，则在维度 3 及以上时，Vn = Op(log n)，在维度 2 时，Vn = Op((log n)^2)。
• 对于任意非退化的后代分布，存在 δ > 0，使得 P(Vn ≥ δ log n | Gn) → 1，表明在条件化下对数增长几乎是必然的。
• 在维度 3 及以上时，归一化的计数 Mn(j)/n 联合收敛到指数随机变量的倍数，从而确立了站点多重性的联合极限分布。
• 在维度 2 时，从第 n 代中均匀随机选取的典型站点上的粒子数为 Op(log n)，反映出更高的站点集中度。
• 在维度 2 时，被占用站点的数量为 Op(n / log n)，表明其空间分布比高维更稀疏。