Aby od razu dojść do konkluzji, „pęd” nie zmienia faktu, że rozkład normalny jest asymptotycznym przybliżeniem rozkładu losowego marszu, ale wariancja zmienia się z na n p / ( 1 - p ) . Można to wywnioskować ze względnie elementarnych rozważań w tym szczególnym przypadku. Powiedzmy, że uogólnienie poniższych argumentów do CLT dla łańcuchów Markowa o skończonej przestrzeni stanów nie jest trudne, ale największym problemem jest w rzeczywistości obliczenie wariancji. W przypadku konkretnego problemu może to zrobić4np(1−p)np/(1−p)być obliczonym, i mam nadzieję, że poniższe argumenty mogą przekonać czytelnika, że jest to poprawna wariancja.
Korzystając z wglądu przedstawionego przez kardynała w komentarzu, losowy spacer podaje się jako
gdzie X k ∈ { - 1 , 1 }, a X k tworzą łańcuch Markowa z macierzą prawdopodobieństwa przejścia
( p 1 - p 1 - p p ) .
Dla rozważań asymptotycznych, gdy n → ∞ początkowy rozkład X 1 nie odgrywa żadnej roli, więc naprawmy
Sn=∑k=1nXk
Xk∈{−1,1}Xk(p1−p1−pp).
n→∞X1 ze względu na następujący argument i przyjmijmy również, że
0 < p < 1 . Zręczną techniką jest rozkład łańcucha Markowa na niezależne cykle. Niech
σ 1 oznacza po raz pierwszy, po czasie 1, że łańcuch Markowa powraca do 1. To znaczy, jeśli
X 2 = 1, to
σ 1 = 2 , a jeśli
X 2 = X 3 = - 1 i
X 4 = 1, to
σ 1 = 4X1=10<p<1σ1X2=1σ1=2X2=X3=−1X4=1σ1=4. Ogólnie rzecz biorąc, niech
oznacza
i -ty czas powrotu do 1, a niech
τ i = σ i - σ i - 1 oznaczają
czasy powrotu (z
σ 0 = 1 ). Dzięki tym definicjom mamy
σiiτi=σi−σi−1σ0=1
- Przy a następnie
S σ n = X 1 + n ∑ i = 1 U i .Ui=∑σik=σi−1+1Xk
Sσn=X1+∑i=1nUi.
- Ponieważ przyjmuje wartość - 1 dla k = σ i - 1 + 1 , … , σ i - 1 i X σ i = 1, przyjmuje, że
U i = 2 - τ i .Xk−1k=σi−1+1,…,σi−1Xσi=1
Ui=2−τi.
- Czasy między zwrotami , , dla łańcucha Markowa wynoszą iid (formalnie z powodu silnej właściwości Markowa), aw tym przypadku ze średnią E ( τ i ) = 2 i wariancją V ( τ i ) = 2 pτiE(τi)=2 . Poniżej pokazano, jak obliczyć średnią i wariancję.V(τi)=2p1−p
- Zwykły CLT dla zmiennych iid daje
Sσn∼asympN(0,2np1−p).
- Ostatnią rzeczą do odnotowania, która wymaga niewielkiego skoku wiary, ponieważ pomijam szczegóły, jest to, że , co daje
S n asymp ∼ N ( 0 , n pσn=1+∑ni=1τi∼2n
Sn∼asympN(0,np1−p).
Aby obliczyć momenty należy zauważyć, że P ( τ 1 = 1 ) = p, a dla m ≥ 2 , P ( τ 1 = m ) = ( 1 - p ) 2 p m - 2 . Następnie można zastosować techniki podobne do stosowanych podczas obliczania momentów dla rozkładu geometrycznego. Alternatywnie, jeśli X jest geometryczne z prawdopodobieństwem sukcesu 1 - p, a Z =τ1P(τ1=1)=pm≥2P(τ1=m)=(1−p)2pm−2X1−pZ=1(τ1=1)1+X(1−Z)τ1