Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cond-mat > arXiv:2110.01539

帮助 | 高级搜索

凝聚态物理 > 统计力学

arXiv:2110.01539 (cond-mat)
[提交于 2021年10月4日 (v1) ,最后修订 2021年10月11日 (此版本, v2)]

标题: 记录具有重置的随机游走和勒维飞行的统计信息

标题: Record statistics for random walks and Lévy flights with resetting

Authors:Satya N. Majumdar, Philippe Mounaix, Sanjib Sabhapandit, Gregory Schehr
摘要: 我们精确计算了大小为$N$的时间序列的记录平均数量$\langle R_N \rangle$,其中条目表示离散时间随机行走者在直线上的位置。 在每个时间步,行走者以长度$\eta$跳跃,该长度独立地从对称且连续的分布$f(\eta)$中抽取,概率为$1-r$(其中$0\leq r < 1$),而以互补概率$r$,它会重置到起始点$x=0$。 这是一个弱相关时间序列的精确可解示例,它在强相关随机游走序列(对于$r=0$)和不相关时间序列(对于$(1-r) \ll 1$)之间进行插值。值得注意的是,我们发现对于每个固定的$r \in [0,1[$和任何$N$,记录的平均数量$\langle R_N \rangle$完全具有普遍性,即与跳跃分布$f(\eta)$无关。 特别是,对于较大的$N$,我们证明当$N$增加时,$\langle R_N \rangle$增长得非常缓慢,正如$\langle R_N \rangle \approx (1/\sqrt{r})\, \ln N$对于$0<r <1$。 我们还计算了$\langle R_N \rangle$在两个极限$r \to 0$和$r \to 1$的精确通用交叉标度函数。 我们的分析预测与数值模拟结果高度一致。
摘要: We compute exactly the mean number of records $\langle R_N \rangle$ for a time-series of size $N$ whose entries represent the positions of a discrete time random walker on the line. At each time step, the walker jumps by a length $\eta$ drawn independently from a symmetric and continuous distribution $f(\eta)$ with probability $1-r$ (with $0\leq r < 1$) and with the complementary probability $r$ it resets to its starting point $x=0$. This is an exactly solvable example of a weakly correlated time-series that interpolates between a strongly correlated random walk series (for $r=0$) and an uncorrelated time-series (for $(1-r) \ll 1$). Remarkably, we found that for every fixed $r \in [0,1[$ and any $N$, the mean number of records $\langle R_N \rangle$ is completely universal, i.e., independent of the jump distribution $f(\eta)$. In particular, for large $N$, we show that $\langle R_N \rangle$ grows very slowly with increasing $N$ as $\langle R_N \rangle \approx (1/\sqrt{r})\, \ln N$ for $0<r <1$. We also computed the exact universal crossover scaling functions for $\langle R_N \rangle$ in the two limits $r \to 0$ and $r \to 1$. Our analytical predictions are in excellent agreement with numerical simulations.
评论: 24页,7图。提交发表的版本
主题: 统计力学 (cond-mat.stat-mech) ; 数学物理 (math-ph); 概率 (math.PR)
引用方式: arXiv:2110.01539 [cond-mat.stat-mech]
  (或者 arXiv:2110.01539v2 [cond-mat.stat-mech] 对于此版本)
  https://doi.org/10.48550/arXiv.2110.01539
通过 DataCite 发表的 arXiv DOI
期刊参考: J. Phys. A: Math. Theor. 55, 034002 (2022)
相关 DOI: https://doi.org/10.1088/1751-8121/ac3fc1
链接到相关资源的 DOI

提交历史

来自: Gregory Schehr [查看电子邮件]
[v1] 星期一, 2021 年 10 月 4 日 16:19:33 UTC (548 KB)
[v2] 星期一, 2021 年 10 月 11 日 16:54:05 UTC (549 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
查看许可
当前浏览上下文:
math-ph
< 上一篇   |   下一篇 >
新的 | 最近的 | 2021-10
切换浏览方式为:
cond-mat
cond-mat.stat-mech
math
math.MP
math.PR

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号