[论文解读] On the asymptotics of moments of linear random recurrences

Alexander Marynych|arXiv (Cornell University)|Oct 20, 2009

Stochastic processes and statistical mechanics参考文献 27被引用 3

一句话总结

本文提出一种基于迭代函数的新方法，用于分析线性随机递推中矩的渐近行为，特别应用于Poisson-Dirichlet coalescent模型。该方法证明了碰撞次数和吸收时间的矩以迭代对数（log star）的幂次增长，建立了大数定律的弱形式，并揭示了一种此前在类似模型中未被观察到的罕见渐近行为。

ABSTRACT

We propose a new method of analyzing the asymptotics of moments of certain linear random recurrences which is based on the technique of iterative functions. By using the method, we show that the moments of the number of collisions and the absorption time in the Poisson-Dirichlet coalescent behave like the powers of the "log star" function which grows slower than any iteration of the logarithm, and thereby prove a weak law of large numbers. Finally, we discuss merits and limitations of the method and give several examples related to beta coalescents, recursive algorithms and random trees.

研究动机与目标

• 开发一种新的分析方法，用于推导线性随机递推中矩的一阶渐近行为。
• 解决Poisson-Dirichlet coalescent中矩的渐近行为，特别是碰撞次数和吸收时间的矩。
• 应对现有方法（如生成函数、备选法）在处理具有极慢渐近增长的递推关系时所面临的挑战。
• 将该方法推广至更广泛的递推关系类别，包括beta coalescents、递归算法和随机树中的递推关系。

提出的方法

• 将原始递推关系转化为加权概率形式，使权重之和为一，定义一个随机索引 $ I_n $，其分布为 $ p_{nk} = \mathbb{P}(I_n = k) $。
• 构造由四元组 $ (h, g, x_0, k) $ 生成的迭代函数 $ g^* $，其中 $ g(n) \sim \mathbb{E}[I_n] $，$ h(n) = B_n $，且 $ k $ 是定义在 $[0, x_0]$ 上的连续函数。
• 利用迭代函数 $ g^* $ 近似解 $ a_n $，满足渐近等价关系 $ a_n \sim f(n) $，其中 $ f $ 为初等函数或 $ f = g^* $。
• 应用定理5.1，证明在发散性和正则性条件下，$ a_n $ 的渐近行为由非齐次项 $ b_n $ 决定。
• 应用定理5.2，将 $ f $ 的渐近行为与 $ h $ 的行为关联，确保当 $ f_1 $ 为初等函数时，有 $ f(x) \sim f_1(x) $ 或 $ f(x) = g^*(x) $。
• 验证一致性条件 $ f(\mathbb{E}[I_n]) - f(g(n)) = o(h(n)) $，以确保近似收敛。

实验结果

研究问题

• RQ1 Poisson-Dirichlet coalescent中矩 $ \mathbb{E}X_n^k $ 和 $ \mathbb{E}T_n^k $ 的渐近行为是什么？
• RQ2 能否开发一种新方法来分析标准技术（如生成函数或备选法）失效的递推关系？
• RQ3 为何Poisson-Dirichlet coalescent中碰撞次数和吸收时间的矩表现出log-star增长？
• RQ4 在何种条件下，线性递推的解会发散并具有明确定义的渐近形态？
• RQ5 如何将迭代函数框架推广至其他coalescents、随机树和递归算法中出现的递推关系？

主要发现

• Poisson-Dirichlet coalescent中矩 $ \mathbb{E}X_n^k $ 和 $ \mathbb{E}T_n^k $ 的渐近行为表现为迭代对数函数 $ \log^* n $ 的幂次增长，该函数的增长速度慢于任何有限次对数迭代。
• 该方法证明了Poisson-Dirichlet coalescent中碰撞次数和吸收时间的弱大数定律，原因在于矩的缓慢增长。
• log-star渐近行为在应用概率中极为罕见；本文识别出Poisson-Dirichlet coalescent是继另外两个已知模型之外，又一个表现出该行为的新模型。
• 所提出的方法成功处理了以往方法（如生成函数的奇异分析或备选法）因解的极端缓慢增长而失效的递推关系。
• 迭代函数构造提供了一种系统化推导渐近行为的方法，在较弱的正则性和发散性条件下可保证收敛。
• 该方法具有可扩展性，已成功推广至beta coalescents、递归算法和随机树的分析，展示了其在原始共轭问题之外的广泛适用性。