[论文解读] Weak weak quenched limits for the path-valued processes of hitting times and positions of a transient, one-dimensional random walk in a random environment

Jonathon Peterson, Gennady Samorodnitsky|arXiv (Cornell University)|Dec 16, 2011

Stochastic processes and statistical mechanics参考文献 15被引用 8

一句话总结

本文建立了在随机环境中瞬态一维随机游走的首次 hitting 时间与位置路径值过程的弱弱 quenched 极限定理。通过将 hitting 时间的 quenched 分布分析为概率测度空间中的随机测度，作者证明了其在分布收敛于一个随机概率测度，将先前关于边际极限的结果推广至完整的路径过程，并实现了对游走路径本身的一个弱弱 quenched 极限定理。

ABSTRACT

In this article we continue the study of the quenched distributions of transient, one-dimensional random walks in a random environment. In a previous article we showed that while the quenched distributions of the hitting times do not converge to any deterministic distribution, they do have a weak weak limit in the sense that - viewed as random elements of the space of probability measures - they converge in distribution to a certain random probability measure (we refer to this as a weak weak limit because it is a weak limit in the weak topology). Here, we improve this result to the path-valued process of hitting times. As a consequence, we are able to also prove a weak weak quenched limit theorem for the path of the random walk itself.

研究动机与目标

• 将先前关于 hitting 时间分布边际极限的弱弱 quenched 极限定理推广至 hitting 时间的完整路径值过程。
• 为瞬态随机环境中的随机游走路径建立弱弱 quenched 极限定理。
• 将 hitting 时间与位置的 quenched 分布分析为概率测度空间中的随机元素。
• 在弱拓扑下证明其收敛于一个随机概率测度，尽管 quenched 概率测度不收敛于确定性极限。
• 通过纳入重尾缩放下的 quenched 路径行为，统一并推广了早期关于平均极限分布的结果。

提出的方法

• 作者将 quenched hitting 时间过程建模为在右连左极函数空间上的概率测度空间中的随机元素。
• 他们基于环境中上升点的块分解来控制依赖性，并在测度变换下应用鞅技巧。
• 关键步骤包括对环境在上升点处的条件分布进行处理，并利用马氏性质推导 hitting 时间过程条件增量的矩界。
• 该方法依赖于将测度变换至平稳环境测度 $ Q $，在此测度下，上升点构成更新过程，且环境块为独立同分布。
• 作者推导出 hitting 时间增量的条件期望与方差的指数尾部界与矩估计，从而实现紧致性与分布收敛。
• 他们在条件测度下应用一致可积性论证与切比雪夫不等式，以控制路径过程的波动，最终导致其收敛于一个随机极限测度。

实验结果

研究问题

• RQ1 quenched hitting 时间完整路径的分布是否在分布收敛于一个随机极限测度？
• RQ2 能否将边际 hitting 时间分布的弱弱极限结果推广至 hitting 时间的路径值过程？
• RQ3 在适当缩放下，瞬态随机环境中的随机游走路径的 quenched 行为极限表现为何种形式？
• RQ4 quenched 概率测度在概率测度空间中作为随机元素时，其行为如何？
• RQ5 当在弱拓扑下观察时，quenched 路径过程是否存在非退化的随机极限？

主要发现

• 在弱拓扑下，quenched 路径值 hitting 时间过程收敛于右连左极函数空间中的一个随机概率测度。
• 极限随机测度是非退化的，并作为弱弱极限出现，即它是随机概率测度序列的分布极限。
• 该收敛对所有 $ \theta \neq 1 $ 成立，其中中心化与缩放方式取决于控制极限行为的稳定分布的指数 $ \theta $。
• 该结果意味着随机游走路径本身也存在弱弱 quenched 极限定理，将边际极限定理推广至完整轨迹。
• 证明依赖于将测度变换至平稳环境测度 $ Q $，在此测度下，上升点构成更新过程，且环境块为独立同分布。
• 作者通过条件增量的矩界与指数尾部估计建立了紧致性与收敛性，确保了向随机极限测度的分布收敛。