分枝Brown運動(branching Brownian motion)とは、粒子がそれぞれ独立な Brown 運動をしながら、平均 $1$ の指数分布に従う時間ごとに 2 つに分かれていく確率過程である。時刻 $t$ の粒子数は成功確率 $e^{-t}$ の幾何分布に従い、最大値 $M_t$ の分布関数は McKean により Fisher–KPP 方程式を解く。最大値はほとんど確実に $M_t/t\to\sqrt2$ を満たし、Bramson によりその中央値は $\sqrt2t-\frac3{2\sqrt2}\log t+O(1)$ で、最大値の付近の粒子の配置はクラスターをもつ点過程に収束する。
前提知識: Brown運動, Galton–Watson過程, 反射原理(Brown運動)
分枝Brown運動(branching Brownian motion)は、粒子がそれぞれ独立な Brown運動 をしながら、指数分布に従う時間ごとに 2 つに分かれていく確率過程である。時刻 $t$ の粒子の数は平均 $e^t$ で増え、粒子の位置の最大値 $M_t$ は速さ $\sqrt2$ で右へ進む。
分枝Brown運動は偏微分方程式と深く結びついている。McKean は、$M_t$ の分布関数が Fisher–KPP方程式 を解くことを見いだした。この対応により、方程式の進行波の速さ・位置の補正と、粒子の最大値の挙動とが同じ問題になる。Bramson は $M_t$ の中央値が $\sqrt2t-\frac3{2\sqrt2}\log t+O(1)$ であることを示し、のちに最大値の付近の粒子の配置(極値過程)の極限も求められた。家系図を与えたとき、時刻 $t$ の 2 粒子の位置の共分散は 2 つの祖先の道が分かれた時刻に等しく、分枝Brown運動は相関が階層的に入った Gauss 的な系の典型例である。同じ型の極値の構造は、2 次元の Gauss自由場 などにも現れると予想されている(ABK13 p. 5)。
この記事では、平均の公式(lem-bbm-many-to-one)・粒子数の分布(prop-bbm-count)・McKean の表示(thm-bbm-mckean)を証明し、主定理として最大値の速さ $M_t/t\to\sqrt2$(thm-bbm-speed)を完全に証明する。対数の補正と極値過程の定理は引用する。
ラベルの集合を $\mathcal U:=\bigcup_{n\ge0}\{1,2\}^n$ とする($\{1,2\}^0=\{\emptyset\}$)。$u=u_1\cdots u_n$ の長さを $|u|=n$ と書き、$u$ の子を $u1,u2$ とする。
$(\tau_u)_{u\in\mathcal U}$ を平均 $1$ の 指数分布 に従う独立な確率変数、$(W_u)_{u\in\mathcal U}$ を $0$ から出る独立な標準 Brown 運動とし、両者も独立とする。粒子 $u$ の誕生時刻 $b_u$ と死亡時刻 $d_u:=b_u+\tau_u$ を、$b_\emptyset:=0$、$b_{uj}:=d_u$ で定める。位置を $x\in\mathbb R$ から始めて
$$
X_\emptyset(s):=x+W_\emptyset(s)\ (0\le s\le d_\emptyset),\qquad X_{uj}(s):=X_u(d_u)+W_{uj}(s-d_{u})\ (b_{uj}\le s\le d_{uj})
$$
と定める。時刻 $t$ に生きている粒子の集合を $N_t:=\{u:b_u\le t< d_u\}$ とし、$u\in N_t$ について、祖先の位置をつないだ道 $s\mapsto X_u(s)$($0\le s\le t$、$s$ のときに生きている祖先の位置)を $u$ の 祖先の道 という。この粒子の系を $x$ から出る 分枝Brown運動 といい、$M_t:=\max_{u\in N_t}X_u(t)$ を時刻 $t$ の 最大値 という。確率と期待値を $P_x,E_x$ と書く。
各粒子は寿命の間 Brown 運動をし、死ぬときにその位置で 2 つの子に分かれる。時刻 $s$ までの情報($r\le s$ での $N_r$ と粒子の位置)を $\mathcal F_s$ とすると、$\mathcal F_s$ を与えたとき、$N_s$ の各粒子から出る系は、その位置から出る独立な分枝Brown運動になる(分枝性)。実際、$N_s$ が有限集合 $A$ に等しい事象の上で、(i) 各 $u\in A$ の残りの寿命 $d_u-s$ は、指数分布の無記憶性($\tau_u$ は祖先の寿命で決まる $b_u$ と独立)により、$\mathcal F_s$ と独立に平均 $1$ の指数分布に従い、互いに独立である。(ii) $W_u(s-b_u+\cdot)-W_u(s-b_u)$ は、Brown 運動の Markov 性により $\mathcal F_s$ と独立な標準 Brown 運動である。(iii) $A$ の元の真の子孫のラベルの $(\tau,W)$ は、時刻 $s$ より後に生まれる粒子のものなので $\mathcal F_s$ と独立である。$u\in A$ ごとに (i)–(iii) を定義の $\tau_\emptyset$・$W_\emptyset$ と子孫の族と読み替えると、位置 $X_u(s)$ から出る分枝Brown運動の構成そのものになる。また、根 $\emptyset$ の寿命と動きを与えたとき、ラベル $1\cdots$ と $2\cdots$ の部分は、分かれた位置から出る独立な 2 つの分枝Brown運動を時刻 $d_\emptyset$ だけずらしたものである。
$t>0$ と、$C[0,t]$ 上の非負可測関数 $F$ について
$$
E_x\Bigl[\sum_{u\in N_t}F\bigl(X_u|_{[0,t]}\bigr)\Bigr]=e^t\,E\bigl[F\bigl(x+B|_{[0,t]}\bigr)\bigr]
$$
が成り立つ。ここで $B$ は $0$ から出る標準 Brown 運動である。とくに $E|N_t|=e^t$ で、$N_t$ はほとんど確実に有限集合である。
長さ $n$ のラベル $u$ を固定し、その祖先を $u^{(0)}=\emptyset,u^{(1)},\dots,u^{(n)}=u$ とする。$u\in N_t$ は $\sigma_k:=\tau_{u^{(0)}}+\dots+\tau_{u^{(k-1)}}$ について $\sigma_n\le t< \sigma_{n+1}$ と同値で、寿命だけで決まる。この事象の上で $u$ の祖先の道は、Brown 運動 $W_{u^{(0)}},\dots,W_{u^{(n)}}$ を時刻 $\sigma_1,\dots,\sigma_n$ でつないだもの $\widetilde B$ に $x$ を足したものである。寿命を与えたとき、独立な Brown 運動を決まった時刻でつないだ $\widetilde B$ は標準 Brown 運動で、その分布は寿命によらない。よって
$$
E_x\bigl[F(X_u|_{[0,t]})\,\mathbf 1\{u\in N_t\}\bigr]=E[F(x+B|_{[0,t]})]\,P(\sigma_n\le t< \sigma_{n+1})=E[F(x+B|_{[0,t]})]\,e^{-t}\frac{t^n}{n!}
$$
である。最後の等号は、$\sigma_k$ が率 $1$ の Poisson 過程の跳躍時刻であることによる。長さ $n$ のラベルは $2^n$ 個あるので、単調収束定理で和をとると $\sum_n2^ne^{-t}t^n/n!=e^t$ を得る。$F=1$ とすれば $E|N_t|=e^t< \infty$ である。$\square$
$|N_t|$ は成功確率 $e^{-t}$ の幾何分布に従う:$P(|N_t|=k)=e^{-t}(1-e^{-t})^{k-1}$($k\ge1$)。
$0\le s\le1$ について $G(t,s):=E[s^{|N_t|}]$ とおく。根の寿命 $\tau_\emptyset$ が $t$ を超えれば $|N_t|=1$ で、$\tau_\emptyset=r\le t$ なら $|N_t|$ は、時間 $t-r$ だけ走らせた独立な 2 つの系の粒子数の和である。よって
$$
G(t,s)=se^{-t}+\int_0^te^{-r}G(t-r,s)^2dr,\qquad e^tG(t,s)=s+\int_0^te^{r'}G(r',s)^2dr'
$$
($r'=t-r$)となる。右辺は $t$ について微分可能なので $G$ も微分可能で、$\partial_tG=G^2-G$、$G(0,s)=s$ を満たす。$G\in[0,1]$ の範囲で右辺は Lipschitz なので解は一意であり、$H=1/G$ が $H'=H-1$ を満たすことから
$$
G(t,s)=\frac{se^{-t}}{1-s+se^{-t}}=\sum_{k\ge1}s^ke^{-t}(1-e^{-t})^{k-1}
$$
を得る($s=0$ では両辺 $0$)。母関数が一致するので分布が一致する。$\square$
$p=e^{-t}$ とおくと、$x>0$ について $P(e^{-t}|N_t|>x)=(1-p)^{\lfloor x/p\rfloor}\to e^{-x}$ である。$e^{-t}|N_t|$ は $t\to\infty$ で平均 $1$ の指数分布に分布収束する。粒子数の過程 $|N_t|$ は位置によらず、率 $1$ で 1 個が 2 個に増える純粋な出生過程である。
$g:\mathbb R\to[0,1]$ を可測とし、$v(t,x):=E_x\bigl[\prod_{u\in N_t}g(X_u(t))\bigr]$ とおく。$v$ は
$$
v(t,x)=e^{-t}E[g(x+B_t)]+\int_0^te^{-r}E\bigl[v(t-r,x+B_r)^2\bigr]dr\qquad(t\ge0,\ x\in\mathbb R)\qquad(1)
$$
を満たす。さらに、$[0,T]\times\mathbb R$ 上の $[0,1]$ 値の可測関数で (1) を満たすものは $v$ だけである。
根の寿命 $\tau_\emptyset$ が $t$ を超えるとき(確率 $e^{-t}$)は、$N_t=\{\emptyset\}$ で、$\tau_\emptyset$ と独立な $X_\emptyset(t)=x+W_\emptyset(t)$ について積は $g(x+W_\emptyset(t))$ である。$\tau_\emptyset=r\le t$ のときは、位置 $y=x+W_\emptyset(r)$ から出る独立な 2 つの系を時間 $t-r$ 走らせたものの粒子の積になり、$(\tau_\emptyset,W_\emptyset)$ を与えた条件付き期待値は $v(t-r,y)^2$ である。$\tau_\emptyset$ の密度 $e^{-r}$ で積分すれば (1) を得る。
一意性を示す。$v_1,v_2$ が (1) を満たすとし、$k\ge0$ について「すべての $(s,x)$ で $|v_1-v_2|(s,x)\le(2s)^k/k!$」を帰納法で示す。$k=0$ は値が $[0,1]$ にあることから正しい。$a,b\in[0,1]$ なら $|a^2-b^2|\le2|a-b|$ なので、$k$ で正しければ
$$
|v_1-v_2|(t,x)\le\int_0^te^{-r}\,2\,\frac{(2(t-r))^k}{k!}dr\le\frac{(2t)^{k+1}}{(k+1)!}
$$
である。$k\to\infty$ とすれば $v_1=v_2$ である。$\square$
$w(t,y):=P_0(M_t\le y)$ とおく。$w$ は
$$
w(t,y)=e^{-t}P(B_t\le y)+\int_0^te^{-r}E\bigl[w(t-r,y-B_r)^2\bigr]dr
$$
を満たす $[0,1]$ 値の可測関数としてただ 1 つに定まる。これは
$$
\partial_tw=\tfrac12\partial_y^2w+w^2-w,\qquad w(0,y)=\mathbf 1\{y\ge0\}\qquad(2)
$$
の Duhamel 形(熱半群 $e^{-t}E[f(y+B_t)]$ による積分方程式)である。$u:=1-w=P_0(M_t>y)$ は $\partial_tu=\frac12\partial_y^2u+u(1-u)$ を満たし、$U(t,x):=u(t,x/\sqrt2)$ は Fisher–KPP方程式 $\partial_tU=\partial_x^2U+U(1-U)$ の形になる。
$g=\mathbf 1_{(-\infty,y]}$ とすれば $\prod_{u\in N_t}g(X_u(t))=\mathbf 1\{M_t\le y\}$ なので、lem-bbm-split の $v$ は $v(t,x)=P_x(M_t\le y)$ である。平行移動で $P_x(M_t\le y)=w(t,y-x)$ となるので、$x=0$ での (1) は表示の積分方程式であり、一意性も lem-bbm-split から従う。
方程式 (2) の線形部分 $\frac12\partial_y^2-1$ の半群は $f\mapsto e^{-t}E[f(y+B_t)]$ で、非線形項は $w^2$ なので、(2) の Duhamel の公式は $w(t)=e^{-t}P_tw(0)+\int_0^te^{-r}P_r\bigl(w(t-r)^2\bigr)dr$($P_rf(y)=E[f(y+B_r)]$)となり、$B_r$ と $-B_r$ の分布が等しいことから上の積分方程式と一致する。$u=1-w$ について $w^2-w=-u(1-u)$ から $u$ の方程式を得る。$U(t,x)=u(t,x/\sqrt2)$ なら $\partial_x^2U=\frac12\partial_y^2u$ なので、$U$ は $\partial_tU=\partial_x^2U+U(1-U)$ を満たす。$\square$
$w$ が (2) の古典解であることも知られている(ABK13 p. 2 の (1.1)–(1.2)、Rob13 p. 2)。$U$ の正規化では進行波の最小の速さは $2$ で、$u$ の座標に戻すと $\sqrt2$ である。次の主定理は、この速さを粒子の側から確率論的に示す。
$0$ から出る分枝Brown運動について、ほとんど確実に
$$
\lim_{t\to\infty}\frac{M_t}t=\sqrt2
$$
である。
証明では、標準 Brown 運動の最大値 $\overline B_T:=\max_{s\le T}B_s$ について $P(\overline B_T\ge a)=2P(B_T\ge a)$($a\ge0$)を使う。これは 反射原理(Brown運動) の定理「最大値と終点の同時分布」$P(\overline B_T\ge a,B_T\le b)=P(B_T\ge2a-b)$($b\le a$)で $b=a$ とし、$P(\overline B_T\ge a,B_T>a)=P(B_T>a)$ を足したものである。また $\xi\sim N(0,1)$ と $a\ge0$ について $P(\xi>a)\le e^{-a^2/2}$ である。
上からの評価. $c>\sqrt2$ とし、$n$ を自然数とする。分裂は 2 つへの分裂だけで粒子は消えないので、$t\in[n,n+1]$ に生きている粒子には時刻 $n+1$ に生きている子孫があり、その祖先の道は時刻 $t$ にその粒子を通る。よって
$$
\Bigl\{\sup_{n\le t\le n+1}M_t>cn\Bigr\}\subset\Bigl\{\exists u\in N_{n+1}:\max_{s\le n+1}X_u(s)>cn\Bigr\}
$$
である。右辺の確率を、条件を満たす $u$ の個数の期待値で上から押さえ、lem-bbm-many-to-one を $F=\mathbf 1\{\max_{s\le n+1}f(s)>cn\}$ に使うと
$$
P\Bigl(\sup_{n\le t\le n+1}M_t>cn\Bigr)\le e^{n+1}P(\overline B_{n+1}>cn)\le2e^{n+1}\exp\Bigl(-\frac{c^2n^2}{2(n+1)}\Bigr)
$$
となる。指数は $n(1-\frac{c^2}2)+O(1)$ で、$c^2>2$ から右辺の $n$ についての和は有限である。Borel–Cantelliの補題 により、ほとんど確実に十分大きいすべての $n$ で $\sup_{[n,n+1]}M_t\le cn$ となり、$\limsup_tM_t/t\le c$ である。$c\downarrow\sqrt2$ を有理数に沿ってとれば $\limsup_tM_t/t\le\sqrt2$ を得る。
下からの評価. $0< c< \sqrt2$ とし、$h>0$ をあとで選ぶ。時刻 $kh$ に位置 $y$ にいる粒子の、時刻 $(k+1)h$ に生きている子孫 $v$ のうち
$$
X_v((k+1)h)-y\in[ch,ch+2),\qquad X_v(s)-y>-1\quad(kh\le s\le(k+1)h)
$$
を満たすものを よい子 と呼ぶ。$\mathcal Z_0:=\{\emptyset\}$ とし、$\mathcal Z_{k+1}$ を $\mathcal Z_k$ の粒子のよい子の全体とする。分枝性により、各粒子のよい子の数は独立で同じ分布に従い、$(|\mathcal Z_k|)_k$ は Galton–Watson過程 である。その子の数の平均は、lem-bbm-many-to-one により
$$
m_h=e^h\,P\Bigl(B_h\in[ch,ch+2),\ \min_{s\le h}B_s>-1\Bigr)
$$
である。$-B$ に反射原理を使うと、$b\ge0$ について $P(\min_{s\le h}B_s\le-1,B_h\ge b)=P(B_h\ge b+2)$ なので、$\varphi_h$ を $B_h$ の密度として
$$
P\Bigl(B_h\in[b,b+2),\ \min_{s\le h}B_s>-1\Bigr)=\int_b^{b+2}\bigl(\varphi_h(z)-\varphi_h(z+2)\bigr)dz=\int_b^{b+2}\varphi_h(z)\bigl(1-e^{-2(z+1)/h}\bigr)dz
$$
である。$b=ch$ とし、区間の上で $\varphi_h(z)\ge\varphi_h(ch+2)$、$1-e^{-2(z+1)/h}\ge1-e^{-2c}$ を使うと
$$
m_h\ge\frac{2(1-e^{-2c})}{\sqrt{2\pi h}}\exp\Bigl(h\bigl(1-\tfrac{c^2}2\bigr)-2c-\frac2h\Bigr)
$$
で、$c^2< 2$ から $h\to\infty$ で右辺は $\infty$ に近づく。$m_h>1$ となる $h$ を固定すると、Galton–Watson過程 の定理「絶滅確率と分類」により、絶滅の確率 $q$ は $1$ より小さい。
$\mathcal Z_k$ が空でなければ、その粒子の位置は $kch$ 以上で、祖先の道は各区間 $[jh,(j+1)h]$ で区間の始めの位置から $1$ 未満しか下がらない。よって、すべての $k$ で $\mathcal Z_k\ne\emptyset$ となる事象(生き残り)の上では、$t\in[kh,(k+1)h)$ について $M_t\ge kch-1$ で、$\liminf_tM_t/t\ge c$ である。
最後に、確率を $1$ に上げる。$s>0$ を固定し、分枝性により $N_s$ の各粒子 $u$ から上の構成を(時刻 $s$ と位置 $X_u(s)$ から)独立に行う。どれか 1 つが生き残れば、同じ議論で $\liminf_tM_t/t\ge c$ である。よって prop-bbm-count の母関数を使って
$$
P\Bigl(\liminf_{t\to\infty}\frac{M_t}t< c\Bigr)\le E\bigl[q^{|N_s|}\bigr]=\frac{qe^{-s}}{1-q+qe^{-s}}
$$
で、$s\to\infty$ とすれば右辺は $0$ に近づく。$c\uparrow\sqrt2$ を有理数に沿ってとれば $\liminf_tM_t/t\ge\sqrt2$ を得る。$\square$
上からの評価は「位置が $cn$ を超える粒子の個数の期待値」だけを使い、下からの評価は期待値が $1$ を超える Galton–Watson 過程を中に埋め込んで、期待値の大きさが実際の粒子の存在につながることを保証している。速さ $\sqrt2$ は、$e^t$ 個の粒子のうち位置が $ct$ を超えるものの個数の期待値 $e^tP(B_t>ct)\approx e^{t(1-c^2/2)}$ が増えるか減るかの境目 $c^2=2$ である。
速さの次の段階では、期待値の計算と実際の挙動がずれる。
$m=\sqrt2t-\beta\log t$ とおくと、lem-bbm-many-to-one と正規分布の裾の漸近形から
$$
E_0\#\{u\in N_t:X_u(t)\ge m\}=e^tP(B_t\ge m)\sim e^t\frac{\sqrt t}{\sqrt{2\pi}\,m}e^{-m^2/(2t)}\asymp t^{\sqrt2\beta-\frac12}
$$
である($m^2/(2t)=t-\sqrt2\beta\log t+o(1)$)。この期待値が $1$ の程度になるのは $\beta=\frac1{2\sqrt2}$ のときである。しかし実際の最大値の位置の補正は $\frac3{2\sqrt2}\log t$ で、期待値による見積もりより大きく下がる。時刻 $t$ に $m$ を超える稀な粒子は、途中の時刻にも異常に高い位置にいた可能性が高く、そのときには多くの子孫を一緒に押し上げているので、期待値は少数の稀な事象に支配されている。Bramson の証明と Rob13 の簡略化した証明は、途中で決まった線の下にとどまる粒子だけを数えてこのずれを処理する(Rob13 は下からの評価で直線、上からの評価で曲線を使う。p. 2)。
$0$ から出る分枝Brown運動について、$m(t):=\sup\{x:P(M_t\le x)\le\frac12\}$ とおく。
(1) $m(t)=\sqrt2t-\frac3{2\sqrt2}\log t+O(1)$($t\to\infty$)である(Bramson。Rob13 p. 2 の Theorem 1)。
(2) ほとんど確実に
$$
\liminf_{t\to\infty}\frac{M_t-\sqrt2t}{\log t}=-\frac3{2\sqrt2},\qquad\limsup_{t\to\infty}\frac{M_t-\sqrt2t}{\log t}=-\frac1{2\sqrt2}
$$
である(Rob13 p. 3 の Theorem 2。分枝ランダムウォークでの Hu–Shi の結果の類似)。
$\bar m(t):=\sqrt2t-\frac3{2\sqrt2}\log t$ とおくと、thm-bbm-mckean の $w$ について $w(t,\bar m(t)+x)\to\omega(x)$ が $x$ について一様に成り立つ(ABK13 p. 2 の (1.3)–(1.4))。$\omega$ は進行波の方程式を満たす分布関数である。(2) は、ある時刻の最大値はほぼ $m(t)$ だが、時間全体では稀に $m(t)$ より $\frac1{\sqrt2}\log t$ ほど上の位置まで達する粒子が現れることを意味する。
$\lambda\in\mathbb R$ について
$$
W_t(\lambda):=\sum_{u\in N_t}e^{\lambda X_u(t)-(\frac{\lambda^2}2+1)t}
$$
とおくと、lem-bbm-many-to-one により $E_0[W_t(\lambda)]=e^t\,E[e^{\lambda B_t}]\,e^{-(\frac{\lambda^2}2+1)t}=1$ であり、分枝性からこれはマルチンゲールになる(加法的マルチンゲール)。$\lambda=0$ では $W_t(0)=e^{-t}|N_t|$ で、ex-bbm-yule の指数分布の極限をもつ。
臨界の $\lambda=\sqrt2$ では、$-\partial_\lambda W_t(\lambda)|_{\lambda=\sqrt2}$ に当たる
$$
Z_t:=\sum_{u\in N_t}\bigl(\sqrt2t-X_u(t)\bigr)e^{-\sqrt2(\sqrt2t-X_u(t))}
$$
が 微分マルチンゲール である。Lalley と Sellke は、$Z_t$ がほとんど確実に正の確率変数 $Z$ に収束し、ある定数 $C>0$ について $\omega(x)=E[\exp(-CZe^{-\sqrt2x})]$ となることを示した(ABK13 pp. 2–3 の (1.6)–(1.7))。最大値の極限分布は、乱数 $Z$ でずらした Gumbel 分布の混合である。
さらに、$\bar m(t)$ からの相対的な位置で見た粒子の配置(極値過程)$\sum_{u\in N_t}\delta_{X_u(t)-\bar m(t)}$ は、次の点過程に分布収束する(ABK13 p. 4 の (2.1)、p. 5 の Theorem 2.1):$Z$ を与えたとき強度 $CZ\sqrt2e^{-\sqrt2x}dx$ の Poisson点過程 をとり、その各点に、独立で同じ分布の点の集まり(クラスター)を置く。クラスターの分布は、最大値が異常に大きいという条件を付けた分枝Brown運動の、最大値から見た粒子の配置の極限である。最大値の付近の粒子は、近い祖先を共有する家族ごとに固まって現れる。
各行は thm-bbm-speed の仮定(率 $1$ の分裂、子の数がちょうど $2$、子どうしが独立に動くこと)から 1 つだけを変える。
| 外す仮定 | 反例 | 成り立たなくなる結論 |
|---|---|---|
| 分裂すること | 分裂しなければ $M_t=B_t$ で、大数の法則により $M_t/t\to0$ | $M_t/t\to\sqrt2$ |
| 子の数がちょうど $2$ | 子の数を確率 $\frac12$ ずつ $0$ か $2$ にすると、粒子数は子の数の平均 $1$ の Galton–Watson 過程で、ほとんど確実に絶滅し、いずれ粒子がいなくなる | 最大値がすべての時刻で定まり $M_t/t\to\sqrt2$ |
| 子どうしが独立に動くこと | すべての粒子が同じ Brown 運動の道に従うと、$M_t=B_t$ で $M_t/t\to0$ | $M_t/t\to\sqrt2$ |
| 分裂の率が $1$ | 率 $\beta>0$ にすると、$Y$ を率 $1$ の系として $Y_{\beta t}/\sqrt\beta$ と同じ分布になり、$M_t/t\to\sqrt{2\beta}$ | 速さが $\sqrt2$ |
最後の行は、時間を $\beta$ 倍、空間を $1/\sqrt\beta$ 倍にすると Brown 運動の分散と分裂の率が同時に合うことによる。最初の 3 行は、粒子数の指数的な増加と、動きの独立性の両方が速さ $\sqrt2$ に必要なことを示す。
Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する