[论文解读] Poisson and Compound Poisson Approximations in a Nonconventional Setup

Yuri Kifer, Ariel Rapaport|arXiv (Cornell University)|Nov 22, 2012

Mathematical Dynamics and Fractals参考文献 13被引用 6

一句话总结

该论文为非传统动力系统中的多重重现事件建立了泊松与复合泊松近似，表明对于具有可数字母表的 ψ-混合有限型子移位系统，非周期点的重现计数极限分布为泊松分布，而周期点的极限分布为复合泊松分布（或不存在），除非测度为伯努利测度。其关键贡献在于基于目标序列的周期性，实现了极限行为的完整二分法。

ABSTRACT

We show that for all $ψ$-mixing shifts distributions of the numbers of multiple recurrencies to shrinking cylindrical neighborhoods of all points are close either to Poisson or to compound Poisson distributions. We also describe completely the asymptotic behavior of these distributions.

研究动机与目标

• 将泊松近似结果从传统设定扩展到非传统动力系统中的多重重现事件。
• 确定在何种条件下，对收缩圆柱集的多重重现次数收敛于泊松或复合泊松分布。
• 阐明周期性在重现计数极限分布的存在性与性质中的作用。
• 建立在伯努利测度下，所有序列（包括周期序列）的极限分布（泊松或复合泊松）均存在。
• 通过证明先前文献中声称不收敛的某些例子实际上收敛于泊松分布，澄清了这些文献中的模糊之处。

提出的方法

• 分析采用非传统求和框架，通过移位动力系统下圆柱集的指示函数来计数重现事件。
• 作者应用 ψ-混合条件控制求和中事件之间的依赖性，借助 Stein 方法或相关耦合技术实现泊松近似。
• 基于长度为 n 的初始字符串 a^{(n)} 定义收缩圆柱集 A_n^a，并考虑在 N ∼ t / ℙ(A_n^a)^ℓ 下的和 S_N^{A_n^a}。
• 通过使用条件概率 ℙ₀(1^{n+1} | 1^n) 检测周期结构，区分周期序列与非周期序列，分析其极限行为。
• 在非伯努利测度下构造了一个反例，表明由于条件概率振荡，周期序列的极限分布不存在。
• 证明依赖于由两状态马尔可夫移位（p₀ ≠ p₁）诱导的非 i.i.d. 测度 ℙ₀ 下的圆柱集概率的显式计算。

实验结果

研究问题

• RQ1 在何种条件下，对收缩圆柱集的多重重现次数收敛于分布？
• RQ2 为何在非伯努利测度下，周期序列的极限分布不存在，而对非周期序列则存在？
• RQ3 在非传统重现设定中，什么决定了极限分布是泊松还是复合泊松？
• RQ4 若底层测度为伯努利测度，是否可保证所有序列的极限分布均存在？
• RQ5 目标序列的结构（周期与非周期）如何影响重现计数的渐近分布？

主要发现

• 对于非周期序列，在缩放 N_n ∼ t / ℙ(A_n^a)^ℓ 下，当 n → ∞ 时，多重重现次数的极限分布收敛于参数为 t 的泊松随机变量。
• 对于周期序列，除非不变测度为伯努利测度，否则极限分布可能根本不存在，如一个因条件概率振荡而构造的反例所示。
• 在反例中，ℙ₀(1^{n+1} | 1^n) 在奇数 n 时交替为 1/2，在偶数 n 时交替为 2p₁p₀，导致 ℙ₀(U_n^ω = 0) 在 e^{-t/2} 与 e^{-t(1 - 2p₁p₀)} 之间振荡，从而阻止收敛。
• 当测度为伯努利（i.i.d.）时，所有序列的极限分布均存在，且根据周期性为泊松或复合泊松分布。
• 多重重现事件的首次出现时间渐近服从指数分布，这是泊松近似的推论。
• 本文通过证明文献 [16] 中的例子实际上具有泊松极限，从而纠正了其关于不收敛的断言，填补了先前研究中的空白。