🔢 mathematics

Irregularly observed long-memory Levy-driven moving average processes

यह शोध पत्र लीवी प्रक्रिया (Lévy process) द्वारा संचालित लॉन्ग-मेमोरी निरंतर-समय मूविंग-एवरेज प्रक्रियाओं के लिए परिमित और अनंत-माध्य नमूनाकरण योजनाओं के तहत यादृच्छिक, अनियमित नवीनीकरण समय पर देखे जाने वाले सामान्यीकृत आंशिक योगों के स्पर्शोन्मुख व्यवहार की जांच करता है।

मूल लेखक: Mohamedou Ould Haye, Anne Philippe

प्रकाशित 2026-08-04

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mohamedou Ould Haye, Anne Philippe

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

कल्पना कीजिए कि आप एक अराजक ड्रम की थाप की लय को समझने की कोशिश कर रहे हैं। सांख्यिकी की दुनिया में, यह ड्रम की थाप एक "टाइम सीरीज़" (समय श्रृंखला) है—समय के साथ दर्ज किए गए डेटा बिंदुओं का एक क्रम, जैसे शेयर की कीमतें, मौसम के पैटर्न, या दिल की धड़कनें। आमतौर पर, वैज्ञानिक यह मान लेते हैं कि ये थाप नियमित अंतराल पर होती हैं, जैसे कि हर सेकंड बजने वाला एक मेट्रोनोम। लेकिन वास्तविक दुनिया में, चीजें शायद ही कभी इतनी व्यवस्थित होती हैं। कभी-कभी आप किसी कमरे में जाने पर ही सिग्नल के लिए अपना फोन देखते हैं; कभी-कभी एक दूरबीन तारे को तभी पकड़ती है जब बादल छंट जाते हैं। ये "अनियमित रूप से देखे गए" (irregularly observed) इवेंट्स हैं, जहाँ मापन के बीच का समय यादृच्छिक और अप्रत्याशित होता है।

इन बिखरे हुए, अनियमित डेटा बिंदुओं को समझने के लिए, गणितज्ञ एक शक्तिशाली उपकरण का उपयोग करते हैं जिसे "मूविंग एवरेज प्रोसेस" (चल औसत प्रक्रिया) कहा जाता है। इसे एक बहती हुई शांत नदी के रूप में सोचें जो अपने ऊपर की ओर (upstream) जो कुछ भी हुआ है, उसकी स्मृति को अपने साथ ले जाती है। यदि नदी की "लॉन्ग मेमोरी" (लंबी स्मृति) है, तो बहुत समय पहले गिरी एक बूंद आज भी वर्तमान प्रवाह को प्रभावित करती है। यह शोध पत्र "लेवी प्रोसेसेज" (Lévy processes) द्वारा संचालित एक विशिष्ट प्रकार की नदी पर केंद्रित है, जो नदी के स्रोत की तरह हैं, जो केवल हल्की और स्थिर बारिश के बजाय अचानक, जंगली उछाल (जैसे कि एक तूफान) पैदा करने में सक्षम हैं। बड़ा सवाल जो लेखक उठाते हैं वह यह है: यदि हम पूरी तरह से यादृच्छिक, अनियमित समय पर इस नदी में अपनी बाल्टियाँ डुबोते हैं, तो क्या हमारे द्वारा एकत्र किया गया पानी अभी भी एक अनुमानित, सुव्यवस्थित नदी की तरह व्यवहार करेगा, या हमारी बाल्टी डुबोने की यादृच्छिकता इस पूरी प्रक्रिया को एक अराजक मलबे में बदल देगी?

यह शोध पत्र, मोहम्मद ओल्ड हाय और ऐनी फिलिप द्वारा लिखा गया है, इस पहेली की गहराई में उतरता है। वे अध्ययन करते हैं कि क्या होता है जब आप इन जंगली लेवी उछालों (Lévy jumps) से संचालित एक लॉन्ग-मेमोरी नदी को एक "रिन्यूअल प्रोसेस" (नवीकरण प्रक्रिया) द्वारा परिभाषित यादृच्छिक क्षणों पर नमूने के रूप में लेते हैं—जो अनिवार्य रूप से, अवलोकनों के बीच यादृच्छिक प्रतीक्षा समय का एक क्रम है। लेखकों ने जानना चाहा कि यदि हम एकत्र किए गए पानी को जोड़ते हैं (आंशिक योग/partial sums), तो जैसे-जैसे हम अधिक बाल्टियाँ एकत्र करते हैं, इस कुल योग का आकार कैसा होता है?

शोधकर्ताओं ने पाया कि उत्तर पूरी तरह से प्रतीक्षा समय के कितने "भारी" (heavy) होने पर निर्भर करता है। यदि अवलोकनों के बीच का प्रतीक्षा समय एक सीमित औसत रखता है (अर्थात, आप जाँच करने के लिए अनंत काल तक प्रतीक्षा नहीं करते हैं), तो एकत्र किया गया पानी अंततः एक परिचित, घंटी के आकार के वक्र में स्थिर हो जाता है जिसे सामान्य वितरण (normal distribution) के रूप में जाना जाता है। यह ऐसा है जैसे नमूना लेने की यादृच्छिकता स्वयं को सुव्यवस्थित कर लेती है, और परिणाम एक मानक, अनुमानित घंटी जैसा दिखता है।

हालाँकि, कहानी तब बहुत अधिक दिलचस्प हो जाती है यदि प्रतीक्षा समय "हैवी-टेल्ड" (भारी पूंछ वाले) होते हैं, जिसका अर्थ है कि एक अत्यंत लंबे समय तक प्रतीक्षा करने की महत्वपूर्ण संभावना है। इस परिदृश्य में, गणित एक आश्चर्यजनक मोड़ प्रकट करता है। यदि प्रतीक्षा समय पर्याप्त भारी है, तो कुल पानी केवल एक साधारण घंटी के आकार का वक्र नहीं बनाता है। इसके बजाय, यह एक "नॉर्मल वेरिएंस मिक्सचर" (सामान्य भिन्नता मिश्रण) बनाता है। एक घंटी के आकार के वक्र की कल्पना करें, लेकिन उस घंटी की चौड़ाई एक यादृच्छिक, डगमगाते चर (variable) द्वारा नियंत्रित होती है। यह यादृच्छिक चौड़ाई प्रतीक्षा समय के कितने "भारी" हैं और नदी की स्मृति कितनी "लंबी" है, इस बीच के एक जटिल नृत्य द्वारा निर्धारित होती है। लेखकों ने सिद्ध किया कि इन विशिष्ट हेवी-टेल स्थितियों में, अंतिम परिणाम एक "स्टेबल सबऑर्डिनेटर" (stable subordinator) से प्राप्त एक यादृच्छिक कारक द्वारा गुणा किया गया एक मानक घंटी का वक्र है—जो एक गणितीय वस्तु है जो पृष्ठभूमि में टिक-टिक करने वाली एक यादृच्छिक, ऊबड़-खाबड़ घड़ी की तरह कार्य करती है।

यह शोध पत्र उन्नत कैलकुलस और संभाव्यता सिद्धांत (probability theory) के मिश्रण का उपयोग करके इन परिणामों को कठोरता से सिद्ध करता है। उन्होंने निरंतर-समय प्रक्रियाओं के लिए एक नया "लिंडबर्ग प्रपोजिशन" (Lindeberg proposition) स्थापित किया, जो एक नियम पुस्तिका की तरह कार्य करता है कि कब यादृच्छिक घटनाओं का एक अराजक योग एक सामान्य वितरण में शांत हो जाएगा। उन्होंने दिखाया कि हालांकि अंतिम परिणाम उन चीज़ों के समान दिखते हैं जिन्हें असतत (discrete), चरण-दर-चरण डेटा के लिए ज्ञात किया गया था, लेकिन निरंतर, बहते समय के लिए इसे सिद्ध करने का मार्ग सामान्य नहीं है। लेखकों ने केवल अनुमान नहीं लगाया; उन्होंने एक पूर्ण गणितीय प्रमाण प्रदान किया जो दोनों "फाइनाइट-मीन" (सीमित औसत/नियमित) और "इन्फिनिट-मीन" (अनंत औसत/भारी-पूंछ) मामलों को कवर करता है, जिससे यह पुष्टि होती है कि अनियमित नमूनाकरण अंतर्निहित प्रक्रिया की स्मृति को ठीक कैसे नया आकार देता है।

तकनीकी सारांश: अनियमित रूप से प्रेक्षित लॉन्ग-मेमोरी लेवी-ड्रिवन मूविंग एवरेज प्रक्रियाएं

समस्या का विवरण
यह शोध पत्र एक निरंतर-समय (continuous-time) मूविंग एवरेज प्रक्रियाओं के लिए सामान्यीकृत आंशिक योगों (normalized partial sums) के स्पर्शोन्मुखी व्यवहार (asymptotic behavior) की जांच करता है, जो एक रिन्यूअल प्रक्रिया (renewal process) द्वारा परिभाषित यादृच्छिक, अनियमित समय बिंदुओं पर प्रेक्षित होती हैं और लेवी प्रक्रिया (Lévy process) द्वारा संचालित होती हैं। अंतर्निहित निरंतर-समय प्रक्रिया, $X_t$ , एक लॉन्ग-मेमोरी प्रक्रिया है जिसका कर्नेल (kernel) $a(t)$ , $t^{d-1}$ के रूप में क्षय होता है जहाँ $0 < d < 1/2$ है। अवलोकन योजना $X_t$ को $T_k$ समय पर नमूना लेने की प्रक्रिया है, जो एक रिन्यूअल प्रक्रिया द्वारा उत्पन्न होती है जिसके अंतराल $\Delta_i$ हैं।

अध्ययन रिन्यूअल वृद्धों (increments) के लिए दो अलग-अलग व्यवस्थाओं (regimes) को संबोधित करता है:

परिमित-माध्य मामला (A1): $E(\Delta_1) < \infty$ ।
हैवी-टेल्ड मामला (A2): $P(\Delta_1 > x) = x^{-\alpha}\ell(x)$ जहाँ $0 < \alpha \le 1$ और माध्य अनंत है।

मुख्य चुनौती मौजूदा डिस्क्रीट-टाइम परिणामों (विशेष रूप से ओल्ड हाय और फिलिप, 2025 द्वारा) को निरंतर-समय सेटिंग में विस्तारित करना है। लेखक नोट करते हैं कि जबकि डिस्क्रीट फ्रेमवर्क में सीमित वितरण ज्ञात हैं, निरंतर-समय सेटिंग में विस्तार गैर-रूटीन है क्योंकि डिस्क्रीट प्रमाणों के प्रमुख घटक निरंतर-समय सेटिंग में उपलब्ध नहीं हैं।

कार्यप्रणाली
प्रमाण रणनीति दो प्राथमिक घटकों में विभाजित है: स्टोकेस्टिक इंटीग्रल घटक के लिए स्पर्शोन्मुखी सामान्यता (asymptotic normality) स्थापित करना और यादृच्छिक सामान्यीकरण कारक (random normalization factor) का विश्लेषण करना।

निरंतर-समय लिंडबर्ग प्रपोजिशन (Lindeberg Proposition):
लेखक पहले $Z_n = \int_{-\infty}^{\infty} f_n(s) dL_s$ के रूप में स्टोकेस्टिक इंटीग्रल की स्पर्शोन्मुखी सामान्यता के लिए एक पर्याप्त स्थिति स्थापित करते हैं।

प्रपोजिशन 1 लिंडबर्ग प्रमेय का एक निरंतर-समय अनुरूप प्रदान करता है। यह बताता है कि यदि फलन $f_n$ इस शर्त को पूरा करते हैं कि $\int f_n^2 \to 1$ और एक विशिष्ट "लघुता" (smallness) की स्थिति (जहाँ $|f_n| > \eta$ पर $f_n^2$ का इंटीग्रल शून्य हो जाता है), तो इंटीग्रल मानक सामान्य चर $N(0,1)$ में अभिसरित (converge) होता है।
इसे लेवी एक्सपोनेंट $\Psi$ के संदर्भ में लेवी प्रक्रिया के विशेषता फलन (characteristic function) और लेम्मा 1 का उपयोग करके सिद्ध किया गया है, जो स्टोकेस्टिक इंटीग्रल के विशेषता फलन को व्यक्त करता है।

नमूना ली गई प्रक्रिया का विश्लेषण:
नमूना ली गई प्रक्रिया के आंशिक योगों $S_n = \sum_{i=1}^n X_{T_i}$ को एक सामान्यीकृत स्टोकेस्टिक इंटीग्रल और एक यादृच्छिक स्केलिंग कारक $R_n$ में विघटित किया जाता है।

लेखक $f_n(s)$ को इस प्रकार परिभाषित करते हैं कि $S_n = R_n \int f_n(s) dL_s$ ।
चरण 1: वे सत्यापित करते हैं कि सामान्यीकृत इंटीग्रल $\int f_n(s) dL_s$ प्रपोजिशन 1 की शर्तों को पूरा करता है, जो यह सुनिश्चित करता है कि यह मानक सामान्य वितरण की ओर अभिसरित होता है। यह लेम्मा 2 पर निर्भर करता है, जो कर्नेल $f_n$ के लिए आवश्यक ट्रंकेशन (truncation) स्थिति को सिद्ध करता है।
चरण 2: वे यादृच्छिक सामान्यीकरण $R_n^2$ के स्पर्शोन्मुखी व्यवहार का विश्लेषण करते हैं। इसमें आंशिक योगों के विचरण (variance) और रिन्यूअल प्रक्रिया तथा मेमोरी पैरामीटर $d$ के बीच परस्पर क्रिया का अध्ययन शामिल है।
चरण 3: वे उस विशिष्ट व्यवस्था में सामान्यीकरण कारक $R_n$ और स्टोकेस्टिक इंटीग्रल के बीच स्पर्शोन्मुखी स्वतंत्रता (asymptotic independence) स्थापित करते हैं जहाँ सीमा एक वेरिएंस मिश्रण (variance mixture) है।

प्रमुख योगदान और परिणाम
मुख्य परिणाम, थ्योरम 1, रिन्यूअल टेल इंडेक्स $\alpha$ और मेमोरी पैरामीटर $d$ के बीच परस्पर क्रिया के आधार पर सामान्यीकृत आंशिक योगों $(Var(S_n))^{-1/2} S_n$ के सीमित वितरण को स्पष्ट करता है:

गौसियन सीमा (Gaussian Limit): यदि रिन्यूअल प्रक्रिया का माध्य परिमित है ( $E(\Delta_1) < \infty$ ), या हैवी-टेल्ड सैंपलिंग के तहत $\alpha = 1$ या $\alpha \le 1 - 2d$ है, तो सामान्यीकृत योग एक मानक सामान्य वितरण $N$ की ओर अभिसरित होते हैं।
नॉर्मल वेरिएंस मिश्रण (Normal Variance Mixture): हैवी-टेल्ड सैंपलिंग के तहत जहाँ $1 - 2d < \alpha < 1$ $1 - 2 d < α < 1$ , सीमा एक नॉर्मल वेरिएंस मिश्रण के रूप में होती है जो $\sqrt{Z(\alpha, d)} N$ $Z (α, d) N$ के रूप में है।
- यहाँ, $N$ एक मानक सामान्य चर है जो $Z(\alpha, d)$ से स्वतंत्र है।
- $Z(\alpha, d)$ एक यादृच्छिक चर है जिसे एक स्टेबल सबडिनाइटर (stable subordinator) $B_t$ के पैरामीटर $\alpha$ के साथ एक डबल इंटीग्रल द्वारा परिभाषित किया गया है:
  $Z(\alpha, d) = C_{\alpha, 1-2d} \int_{[0,1]^2} |B_x - B_y|^{2d-1} dx dy$
- स्थिरांक $C_{\alpha, r}$ को गामा फलनों के रूप में स्पष्ट रूप से परिभाषित किया गया है।

तकनीकी सूक्ष्मताएं (Technical Nuances)
पेपर निरंतर-समय विस्तार की विशिष्ट कठिनाइयों को उजागर करता है:

डिस्क्रीट केस में, अंतराल स्वाभाविक रूप से 1 से नीचे सीमित होते हैं। निरंतर मामले में, $\Delta_i > 0$ लेकिन अत्यंत सूक्ष्म हो सकते हैं।
यह अंतर $E(\Delta_1) < \infty$ वाले मामले और सीमावर्ती मामले $\alpha = 1 - 2d$ (विशेष रूप से जब अनुक्रम $b_n^{-\alpha}$ समनीय/summable नहीं है) के लिए नए तर्क की आवश्यकता पैदा करता है।
सीमावर्ती मामले को संभालने के लिए, लेखक रिन्यूअल प्रक्रिया में बड़े जंप्स की संख्या के आधार पर इंडिकेटर फंक्शनों का उपयोग करके वेरिएंस टर्म्स को विघटित करते हैं, और छोटे वृद्धों की संभावना को नियंत्रित करने के लिए चेरनोफ बाउंड्स (Chernoff bounds) का उपयोग करते हैं।

महत्व और दावे
लेखक दावा करते हैं कि हालांकि इस निरंतर-समय सेटिंग में सीमित वितरण पूर्व स्थापित डिस्क्रीट-टाइम प्रक्रियाओं के समान हैं, लेकिन गणितीय व्युत्पत्ति काफी अधिक जटिल है। यह पेपर अनियमित रूप से नमूना ली गई लॉन्ग-मेमोरी प्रक्रियाओं के लिए डिस्क्रीट और निरंतर फ्रेमवर्क के बीच के अंतर को सफलतापूर्वक पाटता है।

यह कार्य इस बात की सैद्धांतिक समझ को बढ़ाता है कि यादृच्छिक समय परिवर्तन (रिन्यूअल सैंपलिंग) निर्भरता संरचना और स्पर्शोन्मुखी व्यवहार को कैसे प्रभावित करते हैं। यह पुष्टि करता है कि "गौसियनिटी का विनाश" और वेरिएंस मिश्रणों का उदय एक मजबूत विशेषता है जो तब भी बनी रहती है जब अंतर्निहित प्रक्रिया निरंतर होती है और सामान्य लेवी शोर (noise) द्वारा संचालित होती है, न कि केवल डिस्क्रीट लीनियर प्रक्रियाओं द्वारा। यह शोध नए अनुप्रयोगों का प्रस्ताव नहीं करता है, बल्कि वित्त और सिग्नल प्रोसेसिंग जैसे क्षेत्रों में ऐसी अनियमित रूप से देखी जाने वाली घटनाओं के मॉडलिंग के लिए सैद्धांतिक आधार को सुदृढ़ करता है।

इसी तरह के और पेपर