[论文解读] The principle of a single big jump: discrete and continuous time modulated random walks with heavy-tailed increments

Sergey Foss, Takis Konstantopoulos+1 more|arXiv (Cornell University)|Sep 26, 2005

Advanced Queuing Theory Analysis参考文献 28被引用 11

一句话总结

本文利用单个大跳跃的概率原理，研究了带状随机游走和 Lévy 过程在重尾增量下的最大值的渐近尾部行为。在子指数和长尾条件下，推导出整体最大值的右尾分布的精确渐近表达式，统一了离散时间与连续时间情形，并采用完全概率化的证明方法。

ABSTRACT

We consider a modulated process S which, conditional on a background process X, has independent increments. Assuming that S drifts to -infinity and that its increments (jumps) are heavy-tailed (in a sense made precise in the paper), we exhibit natural conditions under which the asymptotics of the tail distribution of the overall maximum of S can be computed. We present results in discrete and in continuous time. In particular, in the absence of modulation, the process S in continuous time reduces to a Levy process with heavy-tailed Levy measure. A central point of the paper is that we make full use of the so-called ``principle of a single big jump'' in order to obtain both upper and lower bounds. Thus, the proofs are entirely probabilistic. The paper is motivated by queueing and Levy stochastic networks.

研究动机与目标

• 推广并统一现有关于带重尾增量的带状随机游走最大值尾部渐近性质的研究结果。
• 将 Pakes-Veraverbeke 定理推广至具有独立增量的连续时间过程，包括具有重尾 Lévy 测度的 Lévy 过程。
• 基于单个大跳跃原理，提供完全概率化的证明，避免使用分析方法或变换方法。
• 建立在时间调制动力学存在的情况下，整体最大值仍由单个大跳跃主导的条件。
• 在子指数和长尾分布的共同框架下，统一离散时间与连续时间情形。

提出的方法

• 使用单个大跳跃原理：当最大值超过大阈值时，其渐近行为由一个异常大的增量主导。
• 应用子指数和长尾分布理论，刻画和最大值的尾部行为。
• 利用条件独立性和再生过程，对具有状态依赖跳跃分布的时间调制随机游走进行建模。
• 通过耦合论证推导上下界，并利用函数 $ h_y $ 实现渐近等价，其中 $ \overline{F}(y - h_y) \sim \overline{F}(y) $。
• 在非调制情形下应用 Pakes-Veraverbeke 定理，并通过路径耦合与遍历性论证将其推广至调制过程。
• 使用积分尾分布 $ F^{\text{\tiny\rm I}} $ 将最大值的渐近尾部表示为 $ \frac{1}{a} F^{\text{\tiny\rm I}}(y) $，其中 $ a = -\mathbb{E}[\xi_1] > 0 $。

实验结果

研究问题

• RQ1 在何种条件下，带重尾增量的带状随机游走的最大值渐近行为类似于单个大跳跃的最大值？
• RQ2 如何将 Pakes-Veraverbeke 定理推广至具有独立增量和重尾 Lévy 测度的连续时间过程？
• RQ3 使单个大跳跃原理成立的调制过程与跳跃分布的必要与充分条件是什么？
• RQ4 背景再生过程的存在如何影响整体最大值的尾部渐近行为？
• RQ5 能否在不依赖拉普拉斯变换或特征函数的前提下，为渐近尾部行为构造完全概率化的证明？

主要发现

• 对于具有 i.i.d. 重尾增量和负漂移的带状随机游走 $ S_n $，有 $ \mathbb{P}(\sup_n S_n > y) \sim \frac{1}{a} F^{\text{\tiny\rm I}}(y) $，当 $ y \to \infty $ 时，其中 $ a = -\mathbb{E}[\xi_1] > 0 $，且 $ F^{\text{\tiny\rm I}} $ 为积分尾分布。
• 该结果在离散时间与连续时间下均成立，连续时间情形可归约为具有子指数 Lévy 测度的 Lévy 过程。
• 单个大跳跃原理得到严格验证：事件 $ \{\sup_n S_n > y\} $ 与事件 $ \{\xi_n > y + na\} $ 的并集渐近等价，其概率之和即为渐近表达式。
• 在给定背景过程 $ X $ 的条件下，增量条件独立时，尾部渐近行为由增量的边际尾部行为与漂移决定，且在子指数性和长尾性条件下成立。
• 本文证明了 $ F \in \mathcal{L} $ 蕴含 $ F^{\text{\tiny\rm I}} \in \mathcal{L} $，且 $ F^{\text{\tiny\rm I}} \in \SS $ 是 Pakes-Veraverbeke 型渐近表达式的充分条件。
• 通过与平稳再生序列的耦合，将调制过程的强大数定律推广至非平稳情形，确保经验均值几乎必然收敛于负漂移。