[论文解读] Persistence probabilities for stationary increment processes

Frank Aurzada, Nadine Guillotin‐Plantard+1 more|arXiv (Cornell University)|Jun 1, 2016

Stochastic processes and statistical mechanics参考文献 29被引用 3

一句话总结

本文提出了一种新颖的方法，用于估计具有平稳增量的离散时间过程的持久性概率，以过程的期望范围作为关键工具。该方法在不依赖指数矩的条件下，建立了持久性指数的紧致上下界，实现了最优阶估计——尤其适用于分数布朗运动、随机环境中的随机游走以及具有随机取向的Z²平面上Matheron-de Marsily模型。

ABSTRACT

We study the persistence probability for processes with stationary increments. Our results apply to a number of examples: sums of stationary correlated random variables whose scaling limit is fractional Brownian motion, random walks in random sceneries, random processes in Brownian scenery, and the Matheron-de Marsily model in Z^2 with random orientations of the horizontal layers. Using a new approach, strongly related to the study of the range, we obtain an upper bound of optimal order in the general case and improved lower bounds (compared to previous literature) for many processes.

研究动机与目标

• 开发一种适用于平稳增量过程的通用非马尔可夫方法，用于估计持久性概率。
• 为各类随机过程提供持久性指数的精确上下界。
• 消除对指数矩的需求，这在非马尔可夫设定中通常不可行。
• 将该方法应用于关键示例：分数布朗运动、随机环境中的随机游走以及Matheron-de Marsily模型。
• 为Z²平面上具有随机层取向的Matheron-de Marsily模型精确确定持久性指数，证实了一个长期存在的猜想。

提出的方法

• 使用最大过程的期望 E[Zₙ*] 作为持久性概率的代理，表明 P(Zₙ* ≤ a) ≈ E[Zₙ*]/n，误差项为 n^o(1) 阶。
• 利用范围 Rₙ = #{Z₁,…,Zₙ} 作为最大值的可测代理，尤其适用于格点取值的过程。
• 在Skorokhod空间中应用一致可积性和弱收敛，推导出范围和最大值在标度极限下的极限分布。
• 利用条件正相关性和矩界（基于文献[14]中的定理2.1）控制在随机游走环境下的最大值增长。
• 证明 Rₙ^(1)/n^{3/4} 依分布收敛于布朗局部时的泛函，从而实现精确渐近分析。
• 结合极限定理与首达时间关系 P(T₀ > n) ≈ c n^{-1/4}，推导出持久性指数。

实验结果

研究问题

• RQ1 在具有随机层取向的Z²平面上，Matheron-de Marsily模型的持久性指数是多少？
• RQ2 对于具有平稳增量的非马尔可夫过程，能否在不依赖指数矩的条件下估计持久性概率？
• RQ3 过程的期望范围与其持久性概率有何关系？
• RQ4 Matheron-de Marsily模型中首次返回零的时间的精确渐近行为是什么？
• RQ5 能否使用统一框架推导出分数布朗运动和随机环境中的随机游走等过程的持久性指数？

主要发现

• 对于具有随机层取向的Z²平面上Matheron-de Marsily模型，持久性概率衰减为 P(max_{k=1,…,n} Mₖ^(1) ≤ -1) ∼ (3/4) × [p / (1−p)^{1/4}] × E[sup_{t∈[0,1]} Δₜ^(0)] × n^{-1/4}，证实了Redner与Majumdar的猜想。
• Matheron-de Marsily模型的持久性指数恰好为1/4，该结果源于过程范围与最大值的标度极限。
• Matheron-de Marsily过程的范围 Rₙ^(1) 满足 Rₙ^(1)/n^{3/4} → Kₚ × (sup Δₜ^(0) − inf Δₜ^(0)) 在分布意义下收敛，且 E[Rₙ^(1)]/n^{3/4} → 2Kₚ × E[sup Δₜ^(0)]。
• 首次返回零的时间满足 lim_{n→∞} n^{1/4} P(T₀^(1) > n) = (3/2)Kₚ × E[sup_{t∈[0,1]} Δₜ^(0)]，为复发行为提供了精确渐近表达。
• 该方法在不依赖指数矩的条件下，实现了持久性概率的最优阶上界，适用于分数布朗运动及其他非马尔可夫过程。
• 对于有界增量过程，该方法可精确给出持久性指数，因为 E[Zₙ*]/n 能够以 n^o(1) 因子的精度捕捉正确的衰减速率。