[论文解读] The genealogy of nearly critical branching processes in varying environment

Florin Boenkost, Félix Foutel‐Rodier+1 more|arXiv (Cornell University)|Jul 23, 2022

Stochastic processes and statistical mechanics被引用 4

一句话总结

本论文为在随机环境中近乎临界分支过程的重标度种群大小建立了 Yaglom 极限定理，条件为持续生存，并证明了谱系结构在 Gromov–Hausdorff–Prohorov 拓扑下收敛于一个时间改变的布朗运动共祖点过程。该方法使用脊干分解与一种在二阶矩条件下成立的新式多对少公式，使得关键谱系量（如种群大小、最近共同祖先时间、简化树）的收敛性得以实现。

ABSTRACT

Building on the spinal decomposition technique in Foutel-Rodier and Schertzer (2022) we prove a Yaglom limit law for the rescaled size of a nearly critical branching process in varying environment conditional on survival. In addition, our spinal approach allows us toprove convergence of the genealogical structure of the population at a fixed time horizon -- when the sequence of trees are envisioned as a sequence of metric spaces -- in the Gromov--Hausdorff--Prohorov (GHP) topology. We characterize the limiting metric space as a time-changed version of the Brownian coalescent point process Popovic (2004). Beyond our specific model, we derive several general results allowing one to go from spinal decompositions to convergence of random trees in the GHP topology. As a direct application, we show how this type of convergence naturally condenses the limit of several interesting genealogical quantities: the population size, the time to the most-recent common ancestor, the reduced tree, and the tree generated by $k$ uniformly sampled individuals. As in a recent article by the authors (Foutel-Rodier and Schertzer 2022), we hope that our specific example illustrates a general methodology that could be applied to more complex branching processes.

研究动机与目标

• 为在随机环境中近乎临界的分支过程的重标度种群大小建立 Yaglom 型极限定理，条件为长期生存。
• 证明谱系结构（作为随机度量测度空间）在 Gromov–Hausdorff–Prohorov 拓扑下的收敛性。
• 开发分析近乎临界分支过程中的随机度量空间的一般工具，特别是通过脊干分解与矩方法。
• 在单一拓扑框架下统一多个谱系量（如种群大小、最近共同祖先时间、简化树、k-采样树）的收敛性。
• 展示脊干分解方法在二阶矩条件下具备鲁棒性，超越传统矩假设的限制。

提出的方法

• 利用脊干分解重加权概率测度，通过 k-脊干树分析谱系结构，该结构捕捉了 k 个均匀随机抽样个体的联合分布。
• 应用多对少公式，将树的 k 阶矩简化为在测度变换下 k-脊干树的分布。
• 采用截断论证，在二阶矩条件下工作，避免对所有矩存在的需求。
• 通过验证矩条件并利用 Gromov 弱拓扑下质量与度量泛函的连续性，建立 Gromov–Hausdorff–Prohorov 收敛性。
• 将极限度量空间表征为具有时间非齐次方差的随机环境下的时间改变布朗运动共祖点过程。
• 通过简化过程与 k 个采样个体的谱系收敛性，推导出多个谱系统计量的联合收敛性。

实验结果

研究问题

• RQ1 在随机环境中近乎临界的分支过程的重标度种群大小是否在条件生存下满足 Yaglom 极限定理？
• RQ2 此类过程的谱系结构在种群规模增长时，是否在 Gromov–Hausdorff–Prohorov 拓扑下收敛？
• RQ3 脊干分解方法如何适应在二阶矩条件下而非完整矩假设下工作？
• RQ4 当种群在随机环境中被条件为长期生存时，其谱系的极限结构是什么？
• RQ5 多个谱系量（如最近共同祖先时间与简化树）的收敛性是否可由 GHP 拓扑下的单一收敛结果推导得出？

主要发现

• 在随机环境中近乎临界的分支过程的重标度种群大小在 Yaglom 极限下依分布收敛于指数分布随机变量，其期望由环境方差在时间上的积分决定。
• 谱系结构在 Gromov–Hausdorff–Prohorov 拓扑下收敛于一个时间改变的布朗运动共祖点过程，该过程在连续时间共祖框架中编码了祖先谱系。
• 在时间 sN 时具有时间 tN 时后代的祖先数量依分布收敛于几何分布随机变量，成功概率取决于区间 [s,t] 上的环境方差。
• 这些祖先的后代家族规模依分布收敛于独立同分布的指数分布随机变量，其期望与区间 [s,t] 上环境方差的积分成正比。
• 谱系度量空间的收敛性意味着所有关键谱系统计量（包括最近共同祖先时间与简化树）的联合收敛性。
• 该方法可从 GHP 拓扑下的单一极限对象同时推导出多个量（如种群大小、k-采样树、简化过程）的收敛结果。