動機
反射零表示新到達可以重新啟動人口;吸收零則表示滅絕永久發生。沿用反射邊界平穩公式會回答錯誤問題:零點質量現在確為平穩分佈,但它並未說明正初始人口是否終會滅絕,也未說明要等多久。
兩種極限需要分開證明。把上邊界向外移動可得最終滅絕概率;把期望通過時間帶入此極限,還需控制壽命並使用非負收斂。形式上解無限差分方程並不足夠。因此我們先解有限邊界問題,再讓邊界趨於無限,保持各式的概率意義。
前面的非爆炸與更新筆記提供適當函數判準及基本非負收斂工具。
定義
零吸收,故 。對每個 ,假設通往 、 的速率 、 都有限,且最小鏈非爆炸。一個實用充分條件是 ,死亡率可任意有限: 適當,正狀態上 ,零處 。此處 為連續時間生成算子。
由 開始,令 ,容許無限。滅絕指 。
定義 3.4.1
(尺度增量、尺度和與速度權重)
對上述吸收鏈,定義
最後恆等式由有限乘積相消得到。權重以一為基準;不能除以零處出生率,因該速率是零。出生率為零的純死模型另作基本邊界情形處理,不能把零直接代入分母。
定義 3.4.2
(有限邊界的時間 Green 函數)
整數上邊界 時,令 ,到任一邊界以前的期望佔用為
這是時間 Green 函數,量度在某狀態停留的時間,不只是到訪次數。
定理/命題
定理 3.4.3
(尺度與有限邊界 Green 公式)
對 、,
兩式均來自平均終止時間有限的有限吸收問題,並未插入無限遠邊界條件。
定理 3.4.4
(滅絕與平均時間級數)
令 。在上述非爆炸假設下,
若滅絕必然發生,則作為 中的等式,有
因此在必然滅絕情形,某一個、亦即每一個正有限初態的均值有限,恰好當 。若滅絕概率小於一,無條件均值為無限。
定理 3.4.5
(線性分枝滅絕分佈)
設 、,,令 。則
時必然滅絕, 時概率為 。對一個祖先且 ,
臨界時均值無限;超臨界的無條件均值無限,但給定最終滅絕,一個祖先的條件均值為 。
證明思路
解有限邊界問題
證明
(有限區間上的尺度與 Green 公式)
到零或 以前,只會出現有限狀態。由每個狀態都有正概率,在共同有限嵌入步數內沿某路徑到達邊界。幾何生存界給出有限期望步數;有限內點的正離開速率有正最小值,所以平均停留時間有共同上界,從而 。
對 首跳條件化,得 。故 正比於 。加總差分,再用 ,便證尺度公式。
固定 ,佔用列在內點滿足 ,邊界為零。理由是由初態 先停留,若 貢獻平均 ,再加目的地的期望續程。顯示的 Green 候選,在 兩側皆為尺度 的線性函數,所以在其他點調和。於 處,兩側尺度斜率改變;用 及 ,斜率跳變恰給 ,兩邊界也皆為零。有限吸收問題有唯一解:零邊界調和差在終止時的期望為零,亦可用有限最大值原理。因此候選就是實際期望佔用。
小心移走上邊界
證明
(有限邊界量的單調極限)
事件 隨 遞增而遞減。避開零的路徑不可能永留固定有限區間,因有限區域的幾何論證已排除此情形。因此除零概率例外,其交集是不滅絕事件。在尺度公式令 ,便得到滅絕概率。
遞增至 ,不滅絕時解作無限。滅絕路徑在到零以前的有限歷史有最大狀態,所以所有足夠大的 都有 。永不滅絕路徑則由非爆炸性保證上邊界擊中時間趨於無限,而非在有限壽命累積。這才是壽命假設的作用;必然滅絕時,最終相等本身已證明停時極限。固定 ,對佔用積分用單調收斂,便得無限邊界 Green 函數。若 ,值為
對所有 求和,用 Tonelli 交換非負和。 恰在 且 時出現,因此
推導未預設有限性。首外項已包含整個正速度權重和,而外層只有有限個正係數,故得均值有限判準。若有正概率不滅絕, 有正質量,無條件期望便必無限。
證明透視
平均級數為何可信
論證分三層,每個假設只在其中一層使用。內部 有限且其速率為正,給出 ;這使首跳條件化及有界解的唯一性成立,而且不需任何無限遠假設。
關鍵一步是 處的跳躍條件。恆等式 正好使 Green 候選的斜率變化給出 ,所以速度權重是由生成算子決定,而非隨意選取。
令 時用到非爆炸性:在向上逃逸的路徑上,它使 遞增至無限,而非至有限的爆炸時間,所以極限量度的是滅絕前的時間。之後單調收斂把佔用積分帶到極限,並容許取值 ;直到這一步之後才用 Tonelli 重排非負雙重和。因此公式從不預設均值有限。
構造分枝分佈,而非只寫漂移方程
證明
(單一家族的首事件方程)
給每個個體獨立的速率 出生時鐘及速率 死亡時鐘。出生增加一個個體,死亡移除一個;人口 時總速率為 。適當函數判準保證非爆炸,有限跳躍構造唯一性使獨立後代家族產生相同鏈分佈。 個初始個體時,於 前滅絕要求所有家族已滅絕,所以概率為 。
一個祖先時對其首事件條件化。若在 死亡便無後代;若出生,留下新生者及原個體新未來這兩個獨立家族,指數無記憶性保證原個體的未來可重新開始。因此
改換積分變量再微分,得 。右邊局部 Lipschitz,初值解唯一;分離變量或直接代入,得到所述公式。取極限給三種滅絕情形。 時方程是 ,故 。
時令 ,單一家族生存概率為 。對尾部積分,代入 ,得
臨界時生存尾為 ,積分發散; 個祖先的生存概率至少這麼大。超臨界有正不滅絕概率,故無條件均值無限。
條件結論也需推導。因於 前滅絕蘊含最終滅絕, 時
這恰是交換 後的次臨界滅絕時間分佈。沿用剛才尾積分,單祖先條件均值便是 。並未假設條件化「顯然交換速率」,而是先證完整條件分佈,再求均值。
證明透視
二次項從哪裏來
論證靠兩個假設。個體時鐘互相獨立,給出分枝性質:不同祖先產生獨立家族,所以由 個祖先出發的分佈是單一家族分佈的 次方。無記憶性使一次出生可讀作兩個全新、獨立家族的重新開始,因此首事件方程含 ,而一次死亡只貢獻常數 。微分把積分方程化為 Riccati 方程 ,局部 Lipschitz 連續性令 只選出一個解。條件分佈無需新的概率論證:除以 便完成論證。
分枝分佈把一般公式同樣分開處理的兩類資訊區分開來:鏈最終停在哪裏,以及需要多久。
概念視角結構
滅絕概率沒有時鐘單位
把正狀態全部生死速率同乘一個常數,比例不變,故尺度增量及最終滅絕概率不變;每次停留時間卻除以該常數。平均級數中的速度權重不變,含死亡率的各分母則同乘該因子,因此有限平均通過時間除以它,無限平均仍無限。這是量綱與概念檢查:到哪個邊界的資訊,不能決定需要多久。即使兩模型都必然滅絕,時鐘仍可快慢不同;顯式分枝分佈保留兩類資訊,其無限時間極限則只留下滅絕概率。
例題詳解
例題 3.4.6
(正狀態固定速率)
正人口時出生率一、死亡率二,零吸收。速率有界故非爆炸。尺度增量 ,所以必然滅絕;速度權重 ,平均公式給 。由一先到三而非零的概率為 。一般固定率 給均值 ;相等時必然滅絕但均值無限, 時滅絕概率為 。
例題 3.4.7
(兩個祖先不會把時間加倍)
線性分枝取 ,則 、,由一開始均值為 。由二開始,平均級數增加一項:,而 。因此
約 ,並非 。後代家族同時演化,兩者都滅絕的時間是獨立家族滅絕時間的最大值,不是其和。只看人口一階矩漂移,不能得到此精確通過時間。
例題 3.4.8
(臨界與條件超臨界邊界)
時,一個祖先在 前滅絕的概率為 ,趨於一,但生存尾 的積分無限。因此必然滅絕不等於平均時間有限。 時,單祖先最終滅絕概率 ,無條件均值無限,條件滅絕時間卻與次臨界 同分佈,均值 。這是不同條件實驗的不同期望,並不矛盾。
常見錯誤
常見錯誤
(搬用反射邊界公式)
吸收零改變邊界方程。反射模型的零至零循環公式描述回到零後重新開始;零吸收時並無重新開始,所以該公式不能回答任何滅絕問題。
常見錯誤
(相信平均方程的形式解)
正狀態上的方程 加上 並不決定均值。對固定速率 、,函數 對每個 都是解,因為 ,而 。這些 全都非負,但只有 是期望通過時間;Green 極限選出它,並在應當無限時保留無限。
常見錯誤
(計算均值時忽略永不滅絕事件)
超臨界時 有正概率,所以無條件均值無限。像 這樣的有限答案是條件均值;必須先指明條件事件並推導條件分佈。
集中在吸收狀態的平穩分佈是另一陷阱,因為它並不說明鏈是否會到達該狀態。
反例模式
平穩點質量不迫使滅絕
斷言:既然零點質量是平穩分佈,由每個狀態出發都幾乎必然滅絕。取線性分枝 、。零是吸收狀態,其生成算子對應的行全為零,所以零點質量平穩。然而 ,故 、,滅絕公式給出 ,與 一致。正確判準是尺度級數:由每個狀態都必然滅絕,當且僅當 。
把無限上邊界改為有限吸收邊界一般縮短實驗,改為反射邊界又是另一模型。
總結
尺度差分決定有限邊界擊中與滅絕概率;有限 Green 函數及非爆炸邊界極限,證明平均級數而不預設其有限。線性分枝的首事件方程可顯式求解,給出次臨界、臨界必然滅絕,超臨界正生存概率,以及另外推導的條件滅絕時間分佈。
練習
快速檢查
(零吸收、正狀態固定率 ,由二出發。求滅絕概率、平均滅絕時間及先到四而非零的概率。)
計算 ,並使用固定速率的例題。
解答 · 答案
尺度增量 的和發散,所以滅絕概率一;均值 。、,故有限邊界概率為 。
快速檢查
(純死過程由 以速率 到 ,從 開始。求滅絕時間均值與分佈,並解釋為何不直接用正出生率尺度乘積。)
分別追蹤各個初始個體。
解答
相鄰獨立停留均值依次是 ,總均值為 。等價地,各初始個體有獨立速率 指數壽命,滅絕為其最大值,故 。出生率零使除以它們的乘積無定義,有限步直接構造才提供此邊界情形。
快速檢查
(線性分枝 ,從三個祖先開始。求滅絕時間分佈,並判斷均值是否有限。)
把生存概率與單一家族的比較。
解答 · 答案
分佈為 ,趨於一。因 時 ,生存概率至少為 ,尾積分發散,所以均值無限。
快速檢查
(線性分枝 ,一個祖先開始。求最終滅絕概率、無條件均值及給定滅絕的均值,並推導最後計算所用條件分佈。)
把有限時間滅絕概率除以最終滅絕概率。
解答
滅絕概率 ,無條件均值無限。條件分佈函數為 ,由有限時間滅絕概率除以最終概率得到。它等於出生一、死亡三的次臨界分佈;尾積分給均值 。條件化使均值有限,並非省略不滅絕尾部。