具有移民特征的厚尾临界Galton–Watson过程

《Stochastic Processes and their Applications》:Heavy-tailed critical Galton–Watson processes with immigration

【字体: 大 中 小 】 时间:2026年08月28日 来源:Stochastic Processes and their Applications 1.2

编辑推荐:

  **摘要** 考虑一个具有移民特征的临界Galton–Watson分支过程,其中后代分布属于(1+??)-稳定法则的吸引域,其中α∈(0, 1)。移民分布要么(i)具有有限的均值,要么(ii)属于β-稳定法则的吸引域,其中β∈(α, 1)。我们证明了 stationary 分布

  **摘要**

考虑一个具有移民特征的临界Galton–Watson分支过程,其中后代分布属于(1+??)-稳定法则的吸引域,其中α∈(0, 1)。移民分布要么(i)具有有限的均值,要么(ii)属于β-稳定法则的吸引域,其中β∈(α, 1)。我们证明了 stationary 分布的尾部是规则变化的。我们分析了这个 stationary 过程,确定了它的尾部过程,并为部分和建立了一个稳定的中心极限定理。这个归一化序列与 stationary 法则的尾部对应的序列不同。特别是,该过程的极值指数为 0。

**引言**

设 ??0=0,对于 n≥0 有 ????+1=????∑??=1????+1,??+????+1=:????+1°????+????+1,其中 {An,i: n≥1, i≥1} 是非负整数值的独立同分布(iid)随机变量,而与 A 无关的 {Bn: n≥1} 是一个非负整数值的独立同分布随机变量序列,A 和 B 是相应的通用副本。那么 ????+1,?? 是第 n 代个体 i 的后代数量,????+1 是移民数量。过程 (Xn) 是一个具有移民特征的 (Bienaymé–)Galton–Watson 过程。这类过程自 20 世纪 60 年代以来就一直被研究;参见 Heathcote [1]、Seneta [2]、Pakes [3] 及其中的参考文献。在本文中,我们关注的是当存在 stationary 分布时的临界过程。

设 ???(??)=???(????),???(??)=???(????),??∈[0,1],分别代表后代和移民分布的生成函数。Foster 和 Williamson [4, 定理 (iii)] 证明了如果且仅如果 ∫101????(??)???(??)???d??<∞,则 ??????→??∞ 对于某个有限的随机变量 X∞ 成立,其中 ??→ 表示分布收敛。在这种情况下,X∞ 的法则就是该马尔可夫链的唯一 stationary 分布;参见推论 1。条件 (1) 在亚临界情况(EA<1)下成立当且仅当 Elog?B<∞;这是 Quine [5] 在多类型设置中证明的。然而,在临界情况(?????=1)下,条件 (1) 也可以成立,此时必然有 ?????2=∞;参见 [4]。

在亚临界情况下,stationary 法则的尾部行为和 stationary 过程的性质已经被很好地研究。如果后代分布或移民分布是规则变化的(具有某个特定的指数范围),那么 Basrak 等人 [6] 研究了 stationary 法则的尾部行为和 stationary 过程的性质。最近,Foss 和 Miyazawa [7] 不仅考虑了规则变化的尾部,还考虑了更一般的尾部行为。在随机环境设置中,Basrak 和 Kevei [8] 以及 Kevei [9] 得出了确保 stationary 法则规则变化的条件,并研究了 stationary 过程的性质。

在临界情况下,我们知道的要少得多。在没有移民的临界分支过程中,后代的生成函数形式为 ???(??)=??+(1???)1+???????(1/(1???)),??∈[0,1),对于某个 α∈(0, 1) 和一个缓慢变化的函数 ?A,这引起了很大的关注。众所周知(例如,参见 [10, 定理 8.1.6]),(2) 等价于 ???(??>??)~??Γ?(1???)????1????????(??),随着 ??→∞,即 A 属于指数为 1+?? 的稳定法则的吸引域。1968 年,Slack [11] 确定了这类过程的灭绝率,并得到了一个 Yaglom 类型的极限定理。Borovkov 和 Vatutin [12] 表明该过程的最大值的尾部是 ??????1,其中 (2) 中的尾部指数 α 仅出现在乘法常数 c 中。在同一设置中,Fleischmann 等人 [13] 其他结果中得到了总人口的尾部渐近性。对于具有移民的过程,Imomov 和 Tukhtaev [14] 最近研究了后代和移民法则都规则变化的情况。假设后代和移民法则满足 (2) 和 (3),以及在相应的缓慢变化函数上的其他假设,在 [14] 的定理 6 中,他们确定了收敛到极限分布的速度。在相同的假设下,Guo 和 Hong [15] 证明了 stationary 法则具有规则变化的尾部。Zhao [16] 在后代分布的尾部为 ???(??>??)~[??3(log???)1+??]?1,x→∞(其中 c>0),以及移民的尾部为 ???(??>??)~???1,x→∞ 的边界情况下得到了 stationary 法则的尾部渐近性。然而, stationary 过程的进一步性质尚未被研究。这里以及后面的 ~ 表示渐近相等,即 a(x)~b(x) 当 x→L∈{0, 1, ∞} 时,如果 lim??→L????(x)???(x)=1。同样的约定也适用于序列。

我们假设过程是临界的,并且后代的生成函数具有形式 (2) 对于某个 α∈(0, 1) 和一个缓慢变化的函数 ?A。对于移民,我们假设以下条件之一成立:(B1)E(B)<∞,或者 (B2)对于某个 β∈(α, 1) 和一个缓慢变化的函数 ?B,有 ???(??):=???(????)=1?(1???)???????(1/(1???)),??∈[0,1]。容易验证在这些假设下 (1) 成立;因此,存在 stationary 分布。注意 (3) 等价于尾部 P(B≥x) 的规则变化,指数为 ???;参见下面的引理 2。

扩展 Guo 和 Hong [15] 的结果,我们在定理 3 中证明了 stationary 分布的尾部是规则变化的。我们进一步研究了 stationary 过程的性质。最近,重尾时间序列的理论吸引了相当多的数学关注;例如,参见 Mikosch 和 Wintenberger [17] 以及 Kulik 和 Soulier [18] 的专著。

在定理 4 中,我们确定了 stationary 链的尾部过程。Basrak 和 Segers [19] 引入的尾部过程揭示了链在极端值附近的行为。我们展示了前向尾部过程是 ??0?(1,1,…),其中 U0 具有帕累托分布。这意味着该过程的极值指数为 0。具有极值指数 0 的 stationary 时间序列通常被认为是病态的。除了排队理论中的 Lindley 过程外,当 stationary 分布是重尾的时,Metropolis 算法在马尔可夫链蒙特卡洛理论中产生的马尔可夫链也具有极值指数 0;参见 Roberts 等人 [20]。我们的结果表明,具有移民特征的临界 Galton–Watson 过程提供了另一类这样的例子。

在定理 6 中,我们证明了部分和的稳定中心极限定理。重尾时间序列的一般理论在温和的条件下成立,例如反聚类和混合条件,并且产生了点过程的收敛以及部分和和最大值的收敛。然而,在我们的设置中,反聚类条件不成立。为了分析部分和的行为,我们利用了底部分支结构。

第 2 节包含了关于 stationary 分布的结果。第 3 节我们研究了 stationary 过程。所有证明汇集在第 4 节中。

**Stationary 分布**

如果后代的生成函数具有形式 (2) 对于某个 α∈(0, 1) 和一个缓慢变化的函数 ?A,并且如果 (B1) 或 (B2) 对于移民生成函数成立,那么 Foster–Williamson 条件 (1) 得到满足。因此,??????→??∞,特别是存在一个 stationary 分布。

来自马尔可夫链理论的 standard 结果表明这个 stationary 分布是唯一的。关于马尔可夫链的定义和一般背景,我们参考 Douc 等人 [21]。

设 ??0=min?{??

**Stationary Markov 链**

设 (????)??∈? 是具有移民特征的 Galton–Watson 过程的 stationary 版本,定义为 ????+1=????∑??=1????+1,??+????+1=????+1°????+????+1,??∈?。在下文中,我们只需要 stationary 分布是规则变化的。假设对于某个 γ∈(0, 1),stationary 分布 X∞ 的尾部满足 ???(??∞>??)~??(??)???,??→∞,其中 ? 是一个缓慢变化的函数。根据定理 3,如果 (2) 成立且 E(B)<∞,则 ?=1???;如果 (2) 和 (3) 都成立且 1≥β≥α≥0,则 ?=?????。

**定理 3 的证明**

回忆 fn(s) 表示生成函数 f 的 n 次复合。为了简化符号,设 ?1?(??)=????(??1/??)?1。根据 [11] 中的引理 2,(1??????(0))??3????(11??????(0))~1??3??。重写最后一个表达式,我们有 (1??????(0))???3?1?((1??????(0))???)~??3??,因此,根据 (10),1??????(0)~(??3??3?#1?(??3??))?1??~(??3??3?#1?(??))?1??。由于 fn(0)→1 对于所有 s∈(f1(0), 1),存在一个整数 m(s) 使得 ?????(??)?(0)
**资助**

本研究得到了匈牙利文化与创新部的支持,来自国家研究、发展和创新基金的项目编号 TKP2021-NVA-09,以及文化与创新部的大学研究奖学金计划,该计划由国家研究、发展和创新基金资助。

Péter Kevei | Kata Kubatovics
Bolyai 研究所,Szeged 大学,Aradi vértanúk tere 1., Szeged, 6720, Hungary
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号