Limit behavior of linearly edge-reinforced random walks on the half-line

Resumen Técnico: Comportamiento de Límite de Caminatas Aleatorias con Refuerzo Lineal de Aristas en la Semirrecta

Planteamiento del Problema
Este artículo investiga el comportamiento del límite casi seguro de las caminatas aleatorias con refuerzo lineal de aristas (LERRW, por sus siglas en inglés) en la semirrecta $\mathbb{Z}_+$. El estudio se centra en el régimen recurrente del proceso, examinando específicamente cómo los pesos iniciales asignados a las aristas influyen en el crecimiento asintótico de la posición del caminante $X_n$.

Los autores consideran una clase específica de pesos iniciales donde la arista $\{x, x+1\}$ tiene un peso inicial $w_0(x) = x^\alpha \ln^\beta x$ para $x \ge 2$, con $w_0(0)=w_0(1)=1$. El parámetro de refuerzo es $\delta > 0$, lo que significa que cada vez que se atraviesa una arista, su peso aumenta en $\delta$. Este trabajo extiende la investigación previa de Takei [26], quien analizó el caso donde el término logarítmico estaba ausente (es decir, $\beta = 0$). El objetivo principal es determinar si el factor logarítmico $\ln^\beta x$ altera el comportamiento de límite de la caminata en el régimen recurrente y, de ser así, caracterizar el orden preciso de oscilación.

Metodología
El artículo emplea una combinación de técnicas probabilísticas basadas en la equivalencia entre LERRW y Caminatas Aleatorias en Entornos Aleatorios (RWRE).

1. Representación RWRE: Siguiendo el enfoque de Coppersmith y Diaconis y trabajos posteriores, la LERRW se representa como una mezcla de cadenas de Markov. Específicamente, las probabilidades de transición de la LERRW se expresan como la esperanza de las probabilidades de transición de una caminata aleatoria $Y$ en un entorno aleatorio definido por variables con distribución Beta independientes.
2. Teoría de Potencial y Resistencia: Para la caminata aleatoria $Y$ asociada en un entorno fijo, los autores utilizan la teoría de potencial estándar. Definen términos de resistencia efectiva y conductancia ($\gamma_x$ y $\pi_x$) para analizar los tiempos de llegada esperados $E[\tau_x]$.
3. Análisis Asintótico de Sumas: Una parte significativa del trabajo técnico consiste en derivar el comportamiento asintótico de las sumas que involucran los pesos iniciales. Los autores aplican versiones discretas del teorema de Karamata y límites de Stolz-Cesàro para evaluar sumas de la forma $\sum i^\rho (\ln i)^\beta$ y sus recíprocos.
4. Leyes Fuertes para Sumas de Variables Independientes: Para manejar el entorno aleatorio, los autores analizan la suma $S_x = \ln \gamma_x$, que representa la razón logarítmica de las probabilidades de transición. Computan la esperanza $E[S_x]$ y la varianza $V[S_x]$ utilizando propiedades de la función digamma $\Psi(z)$. Al aplicar la ley fuerte de los grandes números de Kolmogorov, establecen el comportamiento asintótico casi seguro de $S_x$.
5. Estimaciones de Inversión: El paso final implica invertir las tasas de crecimiento de los tiempos de llegada para derivar las tasas de crecimiento de la posición $X_n$ (o $Y_n$ en el entorno), utilizando estimaciones de inversión elementales para funciones de la forma $\exp(cx^{1-\alpha}(\ln x)^{-\beta})$.

Contribuciones Clave y Resultados
El artículo proporciona una caracterización completa del comportamiento de límite para la LERRW bajo los pesos iniciales $w_0(x) = x^\alpha \ln^\beta x$. Los resultados se categorizan según los parámetros $\alpha$ y $\beta$:

• Caso $\alpha < 1$:
  Los autores demuestran que el término $\ln^\beta x$ influye en el comportamiento de límite para cualquier $\beta \neq 0$. El orden preciso de oscilación viene dado por:
  $$\limsup_{n \to \infty} \frac{X_n}{(K(\alpha, \beta, \delta)(1-\alpha)^{-\beta} \ln n (\ln \ln n)^\beta)^{1/(1-\alpha)}} = 1 \quad \text{a.s.}$$
  Aquí, $K(\alpha, \beta, \delta)$ es una constante que depende de los parámetros. Este resultado generaliza el hallazgo de Takei para $\beta=0$, mostrando que el factor logarítmico introduce un término de corrección $(\ln \ln n)^\beta$.

• Caso $\alpha = 1$:
  El comportamiento depende críticamente del signo de $\beta$:

  • Si $\beta < 0$: El término logarítmico altera significativamente la tasa de crecimiento, conduciendo a un crecimiento de tipo exponencial:
    $$\limsup_{n \to \infty} \frac{X_n}{\exp((\ln n)^{(1-\varepsilon)/(1-\beta)})} = +\infty \quad \text{y} \quad \lim_{n \to \infty} \frac{X_n}{\exp((\ln n)^{(1+\varepsilon)/(1-\beta)})} = 0 \quad \text{a.s.}$$
  • Si $0 < \beta \le 1$: El comportamiento de límite permanece sin cambios respecto al caso no reforzado (y al caso $\beta=0$), comportándose como una caminata aleatoria estándar con escalamiento difusivo:
    $$\limsup_{n \to \infty} \frac{X_n}{n^{(1-\varepsilon)/2}} = +\infty \quad \text{y} \quad \lim_{n \to \infty} \frac{X_n}{n^{(1+\varepsilon)/2}} = 0 \quad \text{a.s.}$$

• Caso No Reforzado ($\delta = 0$):
  El artículo también establece teoremas de límite para la caminata aleatoria no reforzada con los mismos pesos iniciales, proporcionando una base para la comparación. Estos resultados muestran cómo los pesos iniciales por sí solos dictan la recurrencia y las tasas de crecimiento en ausencia de refuerzo.

Significancia
El artículo afirma extender los resultados de Takei [26] al incorporar un factor logarítmico en los pesos iniciales de las aristas. La significancia principal radica en demostrar que el término logarítmico $\ln^\beta x$ no es despreciable; este cambia fundamentalmente el comportamiento de límite de la LERRW en el régimen recurrente cuando $\alpha < 1$ (para cualquier $\beta \neq 0$) y cuando $\alpha = 1$ (específicamente para $\beta < 0$).

Los autores señalan que sus argumentos siguen la estrategia general de Takei [26] pero requieren modificaciones específicas para manejar la complejidad logarítmica adicional. El trabajo contribuye a la comprensión más amplia de las transiciones de fase y los teoremas de límite para caminatas aleatorias reforzadas en grafos acíclicos, refinando la comprensión de cómo las condiciones iniciales interactúan con los mecanismos de refuerzo para determinar la trayectoria a largo plazo del proceso.