🔢 mathematics

A first passage problem for a Poisson counting process with a linear moving boundary

यह शोध पत्र एक रैखिक गतिशील सीमा (linear moving boundary) वाले पॉइसन काउंटिंग प्रोसेस (Poisson counting process) के प्रथम-पहुंच समस्या (first-passage problem) का एक एकीकृत शैक्षणिक उपचार प्रदान करता है, जो नए सटीक विश्लेषणात्मक परिणाम प्राप्त करने के लिए समय-डोमेन और लाप्लास-डोमेन दृष्टिकोणों का सामंजस्य स्थापित करता है, जिसमें एक स्पष्ट लार्ज डेविएशन फंक्शन (large deviation function) और सशर्त माध्य प्रथम-पहुंच समय (conditional mean first-passage time) के लिए बंद-रूप अभिव्यक्तियाँ (closed-form expressions) शामिल हैं।

मूल लेखक: Ivan N. Burenev, Michael J. Kearney, Satya N. Majumdar

प्रकाशित 2026-04-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ivan N. Burenev, Michael J. Kearney, Satya N. Majumdar

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ एक सरल भाषा, रचनात्मक उपमाओं और रूपकों का उपयोग करके शोध पत्र (paper) का स्पष्टीकरण दिया गया है।

बड़ी तस्वीर: एक खरगोश और एक चलती हुई बाड़ के बीच की दौड़

एक दौड़ की कल्पना करें, लेकिन यह सामान्य दौड़ नहीं है।

खरगोश (पॉइसन प्रक्रिया - The Poisson Process):
एक खरगोश को एक रास्ते पर कूदते हुए सोचें। वह एक स्थिर लय में नहीं कूदता; वह बेतरतीब ढंग से कूदता है। कभी वह एक सेकंड में दो बार कूदता है, तो कभी वह लंबे समय तक इंतजार करता है। औसतन, वह हर एक सेकंड में एक बार कूदता है। यह हमारी पॉइसन प्रक्रिया है।

बाड़ (रैखिक चलती सीमा - The Linear Moving Boundary):
अब, खरगोश के रास्ते के समानांतर चलती हुई एक बाड़ की कल्पना करें।

बाड़ एक निश्चित ऊंचाई (ऑफसेट, $\beta$ ) से शुरू होती है।
बाड़ एक स्थिर गति (ढलान, $\alpha$ ) से आगे बढ़ रही है।

लक्ष्य:
दौड़ उसी क्षण समाप्त हो जाती है जब खरगोश बाड़ के ऊपर कूद जाता है। हमें यह जानना है कि: खरगोश को बाड़ पार करने में कितना समय लगता है? इस समय को "प्रथम-पारगमन समय" (First-Passage Time) कहा जाता है।

तीन परिदृश्य (The Three Scenarios)

यह शोध पत्र तीन अलग-अलग स्थितियों के आधार पर यह पता लगाता है कि क्या होता है, जब बाड़ की गति खरगोश की औसत कूदने की गति की तुलना में भिन्न होती है।

धीमी बाड़ ( $\alpha < 1$ ): बाड़ खरगोश की औसत गति से धीमी गति से चल रही है।
- परिणाम: खरगोश लगभग निश्चित रूप से बाड़ को पकड़ लेगा और अंततः उसके ऊपर कूद जाएगा। यह बस समय की बात है।
- शोध पत्र की खोज: उन्होंने पता लगाया कि यह समय कैसे वितरित होता है। यदि खरगोश बाड़ से बहुत पीछे शुरू करता है, तो बाड़ को पकड़ने में लगने वाला समय रैखिक रूप से बढ़ता है, लेकिन ऐसे "दुर्लभ" समय भी होते हैं जहाँ इसमें बहुत अधिक या बहुत कम समय लगता है। उन्होंने इन दुर्लभ घटनाओं को एक "लार्ज डेविएशन फंक्शन" (इसे एक मानचित्र के रूप में सोचें जो अत्यधिक देरी की अनिश्चितता को दर्शाता है) का उपयोग करके मैप किया।
तेज़ बाड़ ( $\alpha > 1$ ): बाड़ खरगोश की औसत कूदने की गति से कहीं अधिक तेज़ी से भाग रही है।
- परिणाम: खरगोश शायद कभी बाड़ को न पकड़ पाए! यदि बाड़ पर्याप्त ऊँची है और पर्याप्त तेज़ चल रही है, तो खरगोश बिना बाड़ को पार किए हमेशा के लिए कूदता रह सकता है।
- शोध पत्र की खोज: उन्होंने उस सटीक प्रायिकता (probability) की गणना की कि खरगोश कभी नहीं जीत पाएगा। यदि खरगोश जीत भी जाता है (जो कि एक दुर्लभ घटना है), तो उन्होंने गणना की कि उस "भाग्यशाली" दौड़ में कितना समय लगा।
महत्वपूर्ण बाड़ ( $\alpha = 1$ ): बाड़ खरगोश की औसत गति के बिल्कुल बराबर चलती है।
- परिणाम: यह एक "टिपिंग पॉइंट" (निर्णायक मोड़) है। खरगोश अंततः पार कर लेगा, लेकिन इसमें बहुत लंबा समय लगता है। प्रतीक्षा समय अप्रत्याशित और "हैवी-टेल्ड" (heavy-tailed) हो जाता है (इसका अर्थ है कि अन्य परिदृश्यों की तुलना में बहुत, बहुत लंबे इंतजार की संभावना अधिक है)।

पहेली को हल करने के दो तरीके

लेखकों ने केवल अनुमान नहीं लगाया; उन्होंने समस्या को देखने के लिए दो अलग-अलग गणितीय "लेंस" का उपयोग किया, जिससे यह सिद्ध होता है कि वे एक ही चीज़ को देख रहे हैं।

लेंस 1: समय-यात्री दृष्टिकोण (Time-Domain Approach)

यह कैसे काम करता है: यह विधि दौड़ को सेकंड-दर-सेकंड देखती है। यह खरगोश के पथ को छोटे-छोटे खंडों में तोड़ती है और हर उस संभावित तरीके को गिनती है जिससे खरगोश बाड़ से टकराए बिना कूद सकता है।
उपमा: कल्पना करें कि आप खरगोश का स्लो-मोशन वीडियो देख रहे हैं। आप हर एक छलांग गिनते हैं और देखते हैं कि क्या बाड़ अभी भी उसके ऊपर है। यह बहुत विस्तृत है और आपको पथ की सटीक तस्वीर देता है, लेकिन यह बड़े रुझानों (जैसे औसत समय) को देखने में कठिन है क्योंकि बहुत सारे सूक्ष्म विवरणों को जोड़ना पड़ता है।
शोध पत्र का योगदान: उन्होंने किसी विशिष्ट क्षण में पार करने की सटीक प्रायिकता लिखने के लिए इसका उपयोग किया।

लेंस 2: क्रिस्टल बॉल दृष्टिकोण (Laplace-Domain Approach)

यह कैसे काम करता है: यह विधि 'लाप्लास ट्रांसफॉर्म' नामक एक गणितीय चाल का उपयोग करती है जो जटिल, चरण-दर-चरण समय की समस्या को एक सहज बीजगणितीय समीकरण में बदल देती है। यह दौड़ को एक क्रिस्टल बॉल के माध्यम से देखने जैसा है जो बिना हर छलांग को गिने, तुरंत औसत व्यवहार और रुझान दिखाता है।
उपमा: वीडियो देखने के बजाय, आप मौसम के पूर्वानुमान को देखते हैं। पूर्वानुमान यह नहीं बताता कि बारिश की एक बूंद कब ज़मीन पर गिरेगी, लेकिन यह बारिश की संभावना और तूफान कितने समय तक रहेगा, यह बताता है।
शोध पत्र का योगदान: यह लेंस "औसत" समय और "दुर्लभ घटना" की प्रायिकता खोजने के लिए बहुत बेहतर था। लेखकों ने औसत समय के लिए नए, साफ सूत्र प्राप्त करने के लिए इसका उपयोग किया।

यह क्यों महत्वपूर्ण है (इसका महत्व क्या है?)

आप सोच सकते हैं, "खरगोश और बाड़ से किसे फर्क पड़ता है?"

यह समस्या वास्तव में कई वास्तविक दुनिया की प्रणालियों के लिए एक सार्वभौमिक मॉडल (Universal Model) है:

कतार (The D/M/1 Queue): कल्पना करें कि एक बैंक में एक ही कैशियर है। ग्राहक निश्चित समय पर आते हैं (चलती हुई बाड़) और कैशियर यादृच्छिक (random) गति से सेवा देता है (कूदता हुआ खरगोश)।
- खरगोश का बाड़ पार करना = वह क्षण जब ग्राहकों की कतार अंततः खाली हो जाती है।
- शोध पत्र के परिणाम बैंकों और कॉल सेंटरों को यह अनुमान लगाने में मदद करते हैं कि "व्यस्त अवधि" (busy period) कितनी लंबी चलेगी और भारी बैकलॉग होने की कितनी संभावना है।
शिकारी और शिकार (Predator and Prey): कल्पना करें कि एक शिकारी (खरगोश) अपने शिकार (बाध) का पीछा कर रहा है जो एक स्थिर गति से भाग रहा है।
- शोध पत्र बताता है कि शिकारी के शिकार को पकड़ने की सटीक संभावना क्या है और उस पीछा करने में कितना समय लगेगा।

मुख्य निष्कर्ष

एकीकृत दृष्टिकोण: लेखकों ने दिखाया कि दो अलग-अलग गणितीय विधियाँ (टाइम-ट्रैवलर और क्रिस्टल बॉल) वास्तव में एक ही सिक्के के दो पहलू हैं। उन्होंने सिद्ध किया कि वे बिल्कुल समान उत्तर देते हैं, जो लंबे समय से एक रहस्य था।
नए सूत्र: उन्होंने किसी भी शुरुआती दूरी के लिए औसत समय के लिए नए, सटीक सूत्र निकाले। इससे पहले, लोगों के पास केवल अनुमान या बहुत जटिल सूत्र थे।
क्रिटिकल पॉइंट: उन्होंने समझाया कि जब बाध की गति खरगोश की गति से मेल खाती है, तो वास्तव में क्या होता है। यहाँ सिस्टम अजीब व्यवहार करता है, जहाँ प्रतीक्षा समय बहुत अधिक अप्रत्याशित हो जाता है।

संक्षेप में: यह शोध पत्र एक मास्टर शेफ की तरह है जिसने अंततः एक बहुत ही जटिल व्यंजन के लिए सटीक रेसिपी का पता लगा लिया है। उन्होंने दो अलग-अलग खाना पकाने की तकनीकों का उपयोग करके यह सिद्ध किया कि रेसिपी काम करती है, और अब उन्होंने सटीक माप साझा किए हैं ताकि कोई भी भविष्यवाणी कर सके कि "खाना पकाने" (दौड़) में कितना समय लगेगा, चाहे ओवन गर्म हो, ठंडा हो, या बिल्कुल सही हो।

यहाँ बुरेनेव, कर्नी और मजुमदार के शोध पत्र "A First Passage Problem for a Poisson Counting Process with a Linear Moving Boundary" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र एक पॉइसन काउंटिंग प्रोसेस $N(t)$ (दर $r=1$ के साथ) द्वारा एक रैखिक गतिशील सीमा (linear moving boundary) को पार करने के प्रथम-पारगमन समय (first-passage time - FPT) के सांख्यिकी की जांच करता है, जिसे $B(t) = \alpha t + \beta$ द्वारा परिभाषित किया गया है, जहाँ $\alpha \geq 0$ ढलान (slope) है और $\beta \geq 0$ प्रारंभिक ऑफसेट (offset) है।

FPT को इस प्रकार परिभाषित किया गया है:
$\tau \equiv \min \{ t : N(t) > \alpha t + \beta \}$

इस समस्या की व्याख्या निम्नलिखित में की जा सकती है:

क्यूइंग थ्योरी (Queueing Theory): D/M/1 क्यू (deterministic arrivals, Markovian service) का व्यस्त काल (busy period)।
शिकारी-शिकार मॉडल (Predator-Prey Models): स्थिर वेग $\alpha$ से चलने वाले शिकार का पीछा करने वाले शिकारी (पॉइसन जंप्स) के पकड़ने का समय।

यद्यपि उत्तरजीविता प्रायिकता (survival probability) $S(\tau|\beta)$ (समय $\tau$ तक पार न करने की प्रायिकता) के लिए दो अलग-अलग विधियों (लाप्लास-डोमेन और टाइम-डोमेन) के माध्यम से साहित्य में ज्ञात समाधान मौजूद थे, लेकिन उनकी समानता को स्पष्ट रूप से स्थापित नहीं किया गया था, और मौजूदा सूत्रों से विशिष्ट सांख्यिकीय गुणों (जैसे मोमेंट्स या लार्ज डेविएशन) को निकालना गणनात्मक रूप से कठिन था।

2. कार्यप्रणाली: दो पूरक ढाँचे (Methodology: Two Complementary Frameworks)

लेखक दो अलग-अलग दृष्टिकोणों के एक एकीकृत शैक्षणिक उपचार को प्रस्तुत करते हैं, जो उनकी निरंतरता को प्रदर्शित करते हैं और उनकी पूरक शक्तियों का लाभ उठाते हैं।

A. टाइम-डोमेन दृष्टिकोण (पथ अपघटन - Path Decomposition)

तकनीक: यह पथ-अपघटन तकनीकों और कॉम्बिनेटोरियल पहचान (विशेष रूप से द्विपद प्रमेय के एबेल सामान्यीकरण) का उपयोग करता है।
तंत्र: यह $P_n(t)$ को सीमा को पार किए बिना ठीक $n$ जंप होने की प्रायिकता के रूप में परिभाषित करता है। $n$ -वें जंप के समय पर स्थिति (conditioning) लगाकर, एक पुनरावृत्ति संबंध (recurrence relation) प्राप्त किया जाता है:
$P_n(t) = \int_{T_n}^t dt' P_{n-1}(t') e^{-(t-t')}$
जहाँ $T_n = \max(\frac{n-\beta}{\alpha}, 0)$ वह प्रारंभिक समय है जब $n$ -वाँ जंप बिना सीमा पार किए हो सकता है।
परिणाम: यह लैम्बर्ट W-फंक्शन (Lambert W-function) के साथ परिमित योगों और फ्लोर फंक्शन्स (floor functions) को शामिल करते हुए उत्तरजीविता प्रायिकता $S(\tau|\beta)$ और प्रथम-पारगमन घनत्व $P(\tau|\beta)$ के लिए स्पष्ट, बंद-रूप (closed-form) अभिव्यक्तियाँ प्रदान करता है (समीकरण 11, 12, 42, 43)।
सीमा: हालांकि ये सटीक और संख्यात्मक रूप से गणनीय हैं, लेकिन असंतत फ्लोर फंक्शन्स और जटिल योग सीमाओं के कारण इनका उपयोग एसिम्प्टोटिक व्यवहार या मोमेंट्स निकालने के लिए करना कठिन है।

B. लाप्लास-डोमेन दृष्टिकोण (रैंडम वॉक मैपिंग)

तकनीक: यह निरंतर प्रक्रिया को एक प्रभावी असतत-समय रैंडम वॉक (discrete-time random walk) में मैप करता है और पोल्लासेक-स्पिट्ज़र सूत्र (Pollaczek-Spitzer formula) लागू करता है।
तंत्र:
1. एक दूरी प्रक्रिया $X(t) = \beta + \alpha t - N(t)$ को परिभाषित करता है।
2. निरंतर प्रक्रिया को एक रैंडम वॉक $X_j$ में मैप करता है जहाँ वृद्धि $\eta_j = \alpha t_j - M_j$ है (जहाँ $t_j$ अंतर-आगमन समय हैं और $M_j$ जंप का आकार है)।
3. FPT और पार करने वाले जंप इंडेक्स के संयुक्त वितरण के ट्रिपल लाप्लास ट्रांसफॉर्म को प्राप्त करने के लिए पोल्लासेक-स्पिट्ज़र सूत्र का उपयोग करता है।
परिणाम: यह लैम्बर्ट W-फंक्शन को शामिल करते हुए उत्तरजीविता प्रायिकता के डबल लाप्लास ट्रांसफॉर्म $\hat{S}(\rho|\lambda)$ को एक संक्षिप्त रूप में व्युत्पन्न करता है (समीकरण 6, 70)।
लाभ: लाप्लास ट्रांसफॉर्म की विश्लेषणात्मक संरचना (poles और branch cuts) कॉम्प्लेक्स एनालिसिस (residue calculus, saddle-point approximation) के माध्यम से एसिम्प्टोटिक व्यवहार, मोमेंट्स और लार्ज डेविएशन फंक्शन को आसानी से निकालने की अनुमति देती है।

3. मुख्य योगदान और नए परिणाम (Key Contributions and New Results)

इस शोध पत्र का प्राथमिक योगदान केवल ज्ञात परिणामों को फिर से प्राप्त करना नहीं है, बल्कि दोनों विधियों के तालमेल का उपयोग करके ऐसे नए सटीक विश्लेषणात्मक परिणाम प्राप्त करना है जो पहले अप्राप्य थे।

A. दृष्टिकोणों की समानता

लेखक टाइम-डोमेन योग (समीकरण 11) और लाप्लास-डोमेन अभिव्यक्ति (समीकरण 6) के बीच की समानता को स्पष्ट रूप से सिद्ध करते हैं। यह लैम्बर्ट W-फंक्शन और कॉम्बिनेटोरियल योगों से जुड़ी एक गैर-तुच्छ इंटीग्रल पहचान (समीकरण 71) को स्थापित करता है।

B. उत्तरजीविता प्रायिकता का एसिम्प्टोटिक व्यवहार

घातांकी क्षय (Exponential Decay): $\alpha \neq 1$ के लिए, उत्तरजीविता प्रायिकता अपने एसिम्प्टोटिक मान $S_\infty(\beta)$ की ओर घातांकीय रूप से घटती है:
$S(\tau|\beta) - S_\infty(\beta) \sim \exp\left[ -\frac{\tau}{\xi(\alpha)} \right]$
जहाँ विशेषता समय (characteristic timescale) सार्वभौमिक है और $\beta$ से स्वतंत्र है:
$\xi(\alpha) = \frac{1}{1 - \alpha + \alpha \log \alpha}$
क्रिटिकल व्यवहार ( $\alpha = 1$ ): क्रिटिकल स्लोप पर, क्षय बीजगणितीय (algebraic) हो जाता है:
$S(\tau|\beta) \sim \frac{1}{\sqrt{2\pi \tau}} \sum_{j=0}^{\lfloor \beta \rfloor} \frac{(-1)^j}{j!} (\beta-j)^j e^{\beta-j}$
यह सभी कंडीशनल मोमेंट्स के विचलन (divergence) की ओर ले जाता है।

C. लार्ज डेविएशन फॉर्म (सबक्रिटिकल रिजीम $\alpha < 1$ )

बड़े ऑफसेट $\beta \to \infty$ के लिए, लेखक FPT वितरण के लिए एक लार्ज डेवशियन सिद्धांत (large deviation principle) व्युत्पन्न करते हैं:
$P(\tau|\beta) \sim e^{-\beta \Phi(z)}, \quad z = \frac{\alpha \tau}{\beta}$
वे रेट फंक्शन (rate function) $\Phi(z)$ के लिए एक स्पष्ट बंद-रूप अभिव्यक्ति प्राप्त करते हैं:
$\Phi(z) = \frac{z}{\alpha} - z - 1 + (z+1) \log \left[ \alpha \left( 1 + \frac{1}{z} \right) \right]$
यह फलन उत्तल (convex) है, विशिष्ट क्रॉसिंग समय $z^* = \alpha/(1-\alpha)$ पर शून्य होता है, और असामान्य प्रक्षेप पथों (atypical trajectories) के दमन को मापता है।

D. सटीक कंडीशनल मीन फर्स्ट-पासेज टाइम

शोध पत्र किसी भी $\beta$ और $\alpha$ के लिए कंडीशनल मीन FPT, $E_c[\tau|\beta]$ के लिए पहले सटीक बंद-रूप (closed-form) सूत्र प्रदान करता है:

सबक्रिटिकल ( $\alpha < 1$ ): समीकरण (26)
सुपरक्रिटिकल ( $\alpha > 1$ ): समीकरण (27)
इन अभिव्यक्तियों में परिमित योग, घातांकीय पद और $\int y^j e^{y/\alpha} dy$ के रूप में इंटीग्रल शामिल हैं। $\beta=0$ के लिए ये काफी सरल हो जाते हैं (समीकरण 28, 29)।

E. मोमेंट्स का क्रिटिकल डायवर्जेंस

लेखक $\alpha \to 1$ होने पर कंडीशनल मोमेंट्स के विचलन को परिमाणित करते हैं:
$E_c[\tau^k|\beta] \sim \left| \frac{1}{\alpha - 1} \right|^{2k-1} \times \text{Prefactor}(\beta)$
यह पुष्टि करता है कि क्रिटिकल पॉइंट के पास विशेषता समय $(\alpha-1)^{-2}$ के रूप में डायवर्ट होता है।

4. महत्व और निहितार्थ (Significance and Implications)

शैक्षणिक एकीकरण (Pedagogical Unification): यह शोध पत्र संभाव्यता सिद्धांत (कॉम्बिनेटोरियल पाथ-डेकम्पोजिशन विधियों के माध्यम से सामान्य) और सांख्यिकीय भौतिकी (लैप्लास ट्रांसफॉर्म विधियों के माध्यम से सामान्य) के बीच के अंतर को पाटता है, जिससे शक्तिशाली तकनीकें अधिक सुलभ हो जाती हैं।
विश्लेषणात्मक पूर्णता (Analytical Completeness): यह प्रदर्शित करता है कि यह विशिष्ट प्रथम-पारगमन समस्या एक "दुर्लभ उदाहरण" है जहाँ सभी मुख्य मात्राएँ (उत्तरजीविता प्रायिकता, मोमेंट्स, लार्ज डेविएशन, क्रिटिकल एक्सपोनेंट्स) सटीक रूप से प्राप्त की जा सकती हैं।
क्यूइंग थ्योरी अनुप्रयोग: इसके परिणाम D/M/1 क्यू के व्यस्त काल (busy period) वितरण की समझ को सीधे विस्तारित करते हैं, जो सामान्य प्रारंभिक स्थितियों के तहत व्यस्त काल की अवधि के लिए सटीक सूत्र प्रदान करते हैं।
कार्यप्रणाली का ब्लूप्रिंट: इस समस्या के लिए पोल्लासेक-स्पिट्ज़र सूत्र का सफल अनुप्रयोग अधिक जटिल सीमाओं या प्रक्रियाओं के विश्लेषण के लिए एक मार्ग सुझाता है जहाँ प्रत्यक्ष टाइम-डोमेन समाधान कठिन होते हैं।

संक्षेप में, यह शोध पत्र इस क्लासिक समस्या के लिए विभिन्न समाधान विधियों की समानता के संबंध में लंबे समय से चल रही अस्पष्टताओं को हल करता है और मोमेंट्स और लार्ज डेविएशन जैसे नए, सटीक विश्लेषणात्मक परिणाम प्राप्त करने के लिए लाप्लास-डोमेन ढांचे का लाभ उठाता है जो पहले पहुंच से बाहर थे।