一維隨機遊走,帶移動吸收壁,吸收的期望時間是否有限?

依然聲明不是作業題。雖然看起來越來越像作業題了,但可能仍有相當的難度。

我費了一天的勁,終於把賭徒問題進階版化歸成了如下一個形式很簡單的問題。化歸過程等我下周有時間寫個專欄。化歸後的問題如下:

粒子在數軸上隨機遊走,初始位置為X_0 = 1,每次等概率地向左或向右走1步,即X_{n+1} = X_n pm 1

粒子的兩側均有吸收壁。左側的吸收壁固定在x=0處;右側的吸收壁會移動,位置為W_n = sqrt{n+5}

如果X_n = 0X_n ge W_n,則粒子在n時刻被吸收。

問:粒子被吸收的時刻的期望是否有限?

========================

補充一下化歸過程:

我注意到,原問題的狀態的兩個要素(賭本和賭注)僅由輸贏的次數決定,而與輸贏的順序無關。

連續的一輸一贏或一贏一輸,對賭注沒有影響,對賭本的影響是加1。

設一共輸了l次,贏了w次,則l-w ge -1

l-w ge 0時,輸贏可以抵消w次(影響是賭本加w,賭注不變),剩下的l-w次輸的錢數正是1,ldots,l-w,影響是賭本減frac{(l-w)(l-w+1)}{2},賭注加l-w。故最終的賭本是m = 2 + w - frac{(l-w)(l-w+1)}{2},賭注是x=l-w+1(以前賭注用n表示,現在改用x避免混亂)。

l-w = -1(最終贏了)時,輸贏可以抵消l次,還剩下一次贏1塊錢,可以發現上面賭本和賭注的表達式也成立。

而賭博進行的時間為n=l+w。把賭本m用時間n和賭注x表示出來,結果是m = frac{n+5-x^2}{2}

遊戲結束的條件是x = 0m le 0,後者即x ge sqrt{n+5}


我來寫下我的計算過程吧。

之前說的漏洞應該算是修復了,算出來的結果是P(N=n) lesssim n^{-frac{pi^2}{2}-frac{3}{4}}

因為指數小於-2,所以期望吸收時間有限。

雖然上面的式子只是一個上界,但那個指數跟模擬結果居然是吻合的……

下面是計算過程。

定義p^{(n)}X_n的分布列,這是一個長度為l_n = lceil W_n 
ceil -1的列向量。

p^{(n-1)}p^{(n)}的遞推關係為p^{(n)} = A_{l_n} p^{(n-1)}

其中A_{l_n}是一個形如frac{1}{2} left[ egin{array}{ccccc}
0  1    \
1  0  1   \
 1  0  ddots  \
  ddots  ddots  1 \
   1  0
end{array} 
ight]l_n階方陣。

如果p^{(n-1)}的長度小於l_n(吸收壁又讓出一個位置),則要先在p^{(n-1)}末尾添0湊齊長度。

方陣A_{l_n}可以進行特徵值分解,得到A_{l_n} = V_{l_n} D_{l_n} V_{l_n}^T,其中

V_{l_n} = sqrt{frac{2}{l_n + 1}} left[ sin left( frac{ij}{l_n+1} pi 
ight) 
ight]_{i,j = 1 ldots l_n}D_{l_n} = 	ext{diag} left[ cos left(frac{i}{l_n+1} pi 
ight) 
ight]_{i=1 ldots l_n}

畫成圖片更容易理解:

最初我還真把p^{(n)}V_{l_n}給分解了……

其實並無必要,我們只需關注D_{l_n}裡面絕對值最大的特徵值,這個特徵值是cos left( frac{pi}{l_n+1} 
ight)

一個向量與A_{l_n}相乘,它的2範數與原來的2範數的比值,一定不會超過這個特徵值。

也就是說,||p^{(n)}||_2 le ||p^{(n-1)}||_2 cdot cos left( frac{pi}{l_n+1} 
ight),這是第一次放縮

我們的目的只是證明停時期望有限,並不需要求出具體的值,所以計算過程中我們可以進行各種同階代換。

對上式取個對數,並利用lncos(x)x 
ightarrow 0時與-x^2/2同階,得到

ln ||p^{(n)}||_2 lesssim ln ||p^{(n-1)}||_2 - frac{1}{2} left( frac{pi}{l_n+1} 
ight)^2

l_n = lceil W_n 
ceil -1W_n = sqrt{n+5}代進去,忽略取整號和常數5,得到

ln ||p^{(n)}||_2 lesssim ln ||p^{(n-1)}||_2 - frac{pi^2}{2n}

求個和,就能得到ln ||p^{(n)}||_2 lesssim -frac{pi^2}{2} ln n

||p^{(n)}||_2 lesssim n^{-frac{pi^2}{2}}

p^{(n)}與吸收時間N的分布的關係是這樣的:P(N > n) = ||p^{(n)}||_1,1範數即所有元素求和。

一個長度為L的向量v,其1範數和2範數之間有如下關係:

||v||_2 le ||v||_1 le sqrt{L} ||v||_2

其中左邊的等號在v僅有一個分量非零(分布極端集中)時取得,

右邊的等號在v的所有分量絕對值都相等(分布極端均勻)時取得。

我們現在要用的是右一半。p^{(n)}的長度為l_n = lceil sqrt{n+5} 
ceil,忽略取整號和常數5,則有

||p^{(n)}||_1 lesssim n^{frac{1}{4}} ||p^{(n)}||_2 = n^{-frac{pi^2}{2} + frac{1}{4}}這是第二次放縮

現在有了P(N>n) lesssim n^{-frac{pi^2}{2}+frac{1}{4}},取個差分就有P(N=n) lesssim n^{-frac{pi^2}{2}-frac{3}{4}}

而吸收時間的期望E(N) = sum_{n=1}^infty n P(N=n) lesssim sum_{n=1}^infty n^{-frac{pi^2}{2}+frac{1}{4}}

通項指數小於-1,故級數收斂,吸收時間的期望有限

==============================

模擬發現,P(N=n)的階真的就是n^{-frac{pi^2}{2}-frac{3}{4}},這說明兩次放縮都沒有影響階。

對於第一次放縮,我最初的想法是,方陣作用足夠多次後,只有特徵值最大的分量能夠留下來,所以相鄰兩個||p^{(n)}||_2之比就是最大的特徵值。

不過模擬發現,每次吸收壁讓出一個位置時,方陣階數增加會導致特徵向量改變,這一變就使得特徵值並非最大的特徵向量又有了明顯的係數。

好在每次發生這樣的事情的時候,特徵值最大、次大、第三大……特徵向量的係數幾乎總是保持相同的比例,特徵值最大的分量依然佔主導地位,這使得第一次放縮確實不會影響到階。

對於第二次放縮,我觀察到p^{(n)}的形狀基本是恆定的,一直是佔滿兩個吸收壁之間空間的、半個周期的正弦。這依然是因為只有特徵值最大的分量佔主導地位。

這使得p^{(n)}一直更接近分布均勻的極端而不是分布集中的極端,故第二次放縮也不影響階。

==============================

我還考慮了一下W_n = lceil C(n+b)^alpha 
ceil的一般情況,不過這時,放縮就不一定不影響階了。

特別地,當alpha>1/2時,吸收壁移動較快,粒子位置分布的擴散速度趕不上吸收壁的移動速度,這就會導致粒子位置分布遠離「均勻」的極端,第二次放縮就會影響階了。

(但粒子畢竟還在擴散,所以其位置分布也到達不了「集中」的極端。)


更新:

此處更新是因為Mathematica 10.3終於支持解本徵值問題了(贊一個).

用Mathematica處理下面的本徵值問題(詳見原答案):

sol = NDEigensystem[{(-(1/4) + y^2/8) *u[y] - 1/2*(u^[Prime][Prime])[y],
DirichletCondition[u[y] == 0, True]}, u[y], {y, 0, 1}, 1];

sol[[1, 1]]

(* 4.72011 *)

跟原來的結果是一樣的. 現在還可以畫出函數q(y)的形狀:

q[y_] := -Evaluate@(sol[[2, 1]])*Exp[-(y^2/4)];

Plot[{First@FindMaximum[q[y], {y, 0}]*Sin[[Pi]*y], q[y]}, {y, 0, 1},
PlotLegends -&> {"C[CenterDot]Sin(y)", "q(y)"}, ImageSize -&> 400]

可見 @王贇 Maigo 的答案中說的這個函數接近一個正弦函數

對於第二次放縮,我觀察到p^{(n)}的形狀基本是恆定的,一直是佔滿兩個吸收壁之間空間的、半個周期的正弦。這依然是因為只有特徵值最大的分量佔主導地位。

(一維隨機遊走,帶移動吸收壁,吸收的期望時間是否有限? - 王贇 Maigo 的回答)

是非常正確的.

__________原答案分割線__________

雖然很忙, 但是感覺很有意思, 所以還是答一發.

令這個帶吸收壁的隨機遊走結束之前走完的步數為N, 則事件{N>n}相當於對i = 1...n, 均滿足0 < X_i < sqrt{i+5}.

注意到	ext{Var}(X_n) = n. 當n很大時, X_n的分布趨於一個Wiener Process (標準的布朗運動). 所以, 我們可以把這個問題給連續化, 即考慮一個吸收壁為0sqrt{t+5}的Wiener ProcessW(t)的First Exit Time問題, 只要能求出First Exit Time的PDF就可以了.

因為題主問的只是first exit time的期望值是否有限, 所以常數5並不重要, 我們考慮sqrt{t}即可. 注意這裡在t = 0是有奇異性, 但是我們可以選擇合適的初始條件, 比如從t = 1, W(1) = 1/2出發之類的. 這些並不影響first exit time的PDF的漸進形式.

但是, 變邊界的First Exist Time問題很麻煩, 我們注意到:

0<W(t)<sqrt{t}等價於0< frac{W(t)}{sqrt{t}} < 1. 所以, 我們可以考慮另一個Process, 記為Y(t) = frac{W(t)}{sqrt{t}}.

由Itos Lemma可知dY(t) = -frac{W(t)}{2 t^{3/2}} dt + frac{1}{sqrt{t}} dW(t) = -frac{Y(t)}{2t}dt+frac{1}{sqrt{t}} dW(t)

因此Y(t)也是一個Diffusion Process. 我們現在只需要求Y(t)01為邊界的first exit time問題即可.

求解這種問題, 可以用Fokker-Planck Equation. 一般地來說, 對於一個Diffusion Process

dZ(t) = mu(Z(t), t) dt + sigma(Z(t), t)dW(t), 其PDF滿足一個PDE:

frac{partial }{partial t}p(z,t)=-frac{partial }{partial z} left[p(z,t) mu (z,t)
ight]+frac{1}{2}frac{partial ^2}{partial z^2}left[p(z,t) sigma (z,t)^2 
ight]

對於Y(t), 其F-P方程為:

frac{partial}{partial t}p(y,t) = frac{1}{2t} left(p(y,t) + y frac{partial}{partial y}p(y,t) + frac{partial^2}{partial y^2} p(y,t) 
ight)

顯然應該作代換xi = log t, 則有

2frac{partial}{partial xi}p(y,xi) = p(y,xi) + y frac{partial}{partial y}p(y,xi) + frac{partial^2}{partial y^2} p(y,xi)

當然, 由於這是個帶吸收壁的diffusion, 我們還需要邊界條件

p(0, xi) = 0, p(1, xi) = 0

上面這個PDE是可以分離變數的, 即有

p(y, xi) = q(y) u(xi), 則有:

frac{u^{prime}(xi)}{u(xi)} = k,

q^{prime prime}(y) + y ,q^{prime}(y) + (1-2k)q(y) = 0, ;q(0) = 0, ;q(1) = 0

q(y)的部分是個本徵值問題. 我們做變換q(y) = e^{-a y^2}r(y), 則當a = 1/4時, 可將一階導數項消去, 得到:

r^{prime prime}(y) + left(-2 k-frac{y^2}{4}+frac{1}{2} 
ight)r(y)=0.

顯然這個本徵值問題只能有k < 0的本徵值. 我們的目的是要看PDF在t很大時的漸進行為, 所以我們只需要絕對值最小的那個本徵值即可.

用Mathematica以r(0) = 0為條件, 解得:

其中D_{-2 k}(y)是所謂的ParabolicCylinderD函數.

現在要選取絕對值最小的k使得r(1) = 0. 經過數值運算, 發現絕對值最小的k

-4.7201.

這意味著u(xi) sim e^{-4.7201 xi}. 因此, p(y, t) sim e^{-y^2/4};r(y);t^{-4.7201}. 注意到int_{0}^{1}p(y,n)dy就是P(N > n). 所以, 可以得到結論P(N > n) sim n^{-4.7201}. 因此, 原來那個隨機遊走的步數期望是有限的.

@王贇 Maigo 的答案說模擬所得的階數就是P(N > n) sim n^{-frac{pi ^2}{2} + frac{1}{4}}, 即大概P(N > n) sim n^{-4.6848}, 跟我這個略有不同, 我猜他的放縮中還是改變了階數, -frac{pi^2}{2}+frac{1}{4}應該是個比較好的近似吧.

以上.


我能證出來如果吸收壁是epsilonsqrt{n},那麼對比較小的epsilon, 期望是有限的,但目前還沒有把constant改進到1……

大概的思路如下:我們把實數軸分成[0,cN],[cN,c^2N],dots,[c^kN,c^{k+1}N],dots

如果在前k段都沒有碰到吸收壁,那麼X_{c^kN}in[0,epsilonsqrt{c^kN}],

於是第k+1段碰到吸收壁的概率(第二步根據反射原理)

egin{aligned}
p_{k+1}
ge P( max_{nle (c-1)c^kN} (X_{c^{k}N+n}-X_{c^kN})ge epsilonsqrt{c^{k+1}N})vee P( min_{nle (c-1)c^kN}(X_{c^{k}N+n}-X_{c^kN})<-epsilonsqrt{c^kN})\
gtrsim 2P( (X_{c^{k+1}N}-X_{c^kN})ge epsilonsqrt{c^{k+1}N})vee 2P( (X_{c^{k+1}N}-X_{c^kN})<-epsilonsqrt{c^kN})\
approx 2P(N(0,1)>epsilonsqrt{frac{c}{c-1}})vee 2P(N(0,1)<-epsilonsqrt{frac{1}{c-1}})=:p_{c,epsilon}.
end{aligned}

而最終的期望則有上界mathbb{E}Tlesssim  sum_{k=1}^infty (c^{k+1}-c^k)N (1-p_{epsilon,c})^k

所以如果1-p_{epsilon,c}<1/c,那麼這個期望就是有界的,which當epsilon足夠小的時候是成立的。

但貌似wolfram alpha認為epsilon=1不夠小 。

看了 王贇 的答案感覺 還是存在相變的,就是說這個問題對足夠大的epsilon,可能這個hitting time的期望就是無窮……那樣的話究竟期望有限和期望無窮的臨界值在哪裡就很好玩了。當然我這個辦法幾乎一定得不到sharp constant,也許加上LDP的計算會好一些。還是等Maigo大神慢慢update吧……


是有限的,證明有時間再補。


我討論一下單側吸收的問題:

即x=0時候結束

假設時間等同於我所說的「步數」,設為n

第一次吸收的幾率,是0.5

第二次吸收的幾率是0.25(要接下來連續兩次向0走)

第三次就是0.125

算下來是1/2*1+1/4*2……

求和怎麼求容我想想,好像是1?大概算的有問題

====

好像有疏漏


無右吸收壁的情況都是有限的,就一類卡特蘭級數,何況這個。


推薦閱讀:

如何研究變步長隨機遊走?
一個醉漢,從原點開始每秒50%的概率向左走一米,50%概率向右走一米,問一個小時後,醉漢大概率離原點多遠?
圖靈斑圖:生命圖案的奧秘
可以解釋一下密碼學中什麼叫雙線性配對嗎?
西爾維婭《美麗心靈》中,納什提出的一個關於π的小數部分形成的子數列的問題?

TAG:數學 | 概率論 | 隨機過程 |