Skip to main content
QUICK REVIEW

[论文解读] Weak Convergence to Stable Lévy Processes for Nonuniformly Hyperbolic Dynamical Systems

Ian Melbourne, Roland Zweimüller|arXiv (Cornell University)|Sep 25, 2013
Mathematical Dynamics and Fractals参考文献 29被引用 7
一句话总结

该论文在 M₁ 拓扑下建立了非一致双曲动力系统到稳定 Lévy 过程的弱收敛,特别针对 γ ∈ (1/2, 1) 的 Pomeau-Manneville 间歇映射。通过将函数极限定理从诱导的 Gibbs-Markov 系统提升到原系统,克服了在更强的 J₁ 拓扑下收敛失败的问题,证明了归一化的 Birkhoff 和弱收敛于参数为 α = 1/γ 的 α-稳定 Lévy 过程。

ABSTRACT

We consider weak invariance principles (functional limit theorems) in the domain of a stable law. A general result is obtained on lifting such limit laws from an induced dynamical system to the original system. An important class of examples covered by our result are Pomeau-Manneville intermittency maps, where convergence for the induced system is in the standard Skorohod J_1 topology. For the full system, convergence in the J_1 topology fails, but we prove convergence in the M_1 topology.

研究动机与目标

  • 解决非一致双曲系统中重尾返回时间导致的 J₁ 拓扑下弱不变原理失效的问题。
  • 在 M₁ 拓扑下建立函数极限定理,该拓扑允许小跳跃累积为大跳跃,而 J₁ 拓扑则不允许。
  • 开发一种从诱导系统(Gibbs-Markov)到原系统的通用提升机制,实现向稳定 Lévy 过程的收敛。
  • 通过证明在 γ ∈ (1/2, 1) 时弱收敛成立,完成对间歇映射的统计表征,此时标准中心极限定理失效。

提出的方法

  • 通过一种新颖的 M₁ 连续性论证,将弱收敛从诱导的 Gibbs-Markov 系统(其中 J₁ 收敛成立)提升到原系统。
  • 应用诱导动力系统理论,特别是具有非平方可积返回时间的 Young 塔。
  • 使用 M₁ 拓扑,其弱于 J₁ 拓扑,允许在原过程具有有界跳跃并累积为单个大跳跃时实现收敛。
  • 利用谱分解和有界扭曲估计来控制可观测量的余项部分的贡献。
  • 应用 Doob 不等式和 Markov 不等式,表明在归一化下,有界余项部分的贡献在分布下趋于消失。
  • 通过验证可观测量的实质部分(在中性不动点处非零)满足 M₁ 收敛条件,即跳跃过程 Φ* 有界。

实验结果

研究问题

  • RQ1当弱不变原理在 J₁ 拓扑下对非一致双曲系统失效时,是否能在 M₁ 拓扑下建立稳定分布的弱不变原理?
  • RQ2在何种条件下,从诱导 Gibbs-Markov 系统到原系统在 M₁ 拓扑下的分布收敛可被提升?
  • RQ3M₁ 拓扑如何容纳间歇映射极限过程中小跳跃累积为大跳跃的现象?
  • RQ4可观测量在中性不动点处的行为(例如 φ(0) ≠ 0)在决定极限稳定分布中起什么作用?
  • RQ5能否通过 M₁ 收敛将 WIP 扩展到正态分布的非标准吸引域?

主要发现

  • 对于 γ ∈ (1/2, 1) 的 Pomeau-Manneville 映射,归一化的 Birkhoff 和 Wₙ(t) = n⁻¹/α φ_⌊nt⌋ 在 M₁ 拓扑下弱收敛于参数为 α = 1/γ 的 α-稳定 Lévy 过程。
  • 在 J₁ 拓扑下收敛失败,原因在于 Wₙ 的跳跃大小有界,无法逼近极限中单个大跳跃。
  • 诱导可观测量 Φ₀ 在 J₁ 拓扑下满足 WIP,其贡献主导极限,而余项部分在归一化下趋于消失。
  • 过程 Φ* 有界,这确保了即使原过程不满足 J₁ 条件,M₁ 收敛条件仍被满足。
  • 该结果可推广至其他具有中性周期点的间歇映射,只要可观测量在中性集上不为零。
  • 该证明通过避免谱假设并直接估计跳跃过程,简化了先前的方法。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。