Upload
trinhmien
View
214
Download
0
Embed Size (px)
Citation preview
Universidade Federal do Rio de Janeiro
Departamento de metodos estatısticos
Curso de Estatıstica
Fernando Aragao
TEOREMA DA FORMA ASSINTOTICA SOB O MODELO
DE CRESCIMENTO CONCAVO
Rio de Janeiro
2014
Fernando Aragao
TEOREMA DA FORMA ASSINTOTICA SOB O MODELO
DE CRESCIMENTO CONCAVO
apresentada ao Curso de Estatıstica da UFRJ,
como requisito para a obtencao parcial do grau de
em Estatıstica.
Orientador: Leandro Pinto Rodrigues Pimentel
Rio de Janeiro
2014
Aragao, Fernando
TEOREMA DA FORMA ASSINTOTICA SOB O MODELO DE
CRESCIMENTO CONCAVO / Fernando Aragao - 2014
.p
. I.Tıtulo.
CDU
Fernando Aragao
TEOREMA DA FORMA ASSINTOTICA SOB O MODELO
DE CRESCIMENTO CONCAVO
apresentada ao Curso de Estatıstica da UFRJ,
como requisito para a obtencao parcial do grau de
em Estatıstica.
Aprovado em 14 de abril de 2014
BANCA EXAMINADORA
Leandro Pinto Rodrigues Pimentel
Glauco Valle da Silva Coelho
Ana Patrıcia Carvalho Goncalves
Resumo
A proposta da dissertacao e tratar do Teorema da Forma Assintotica, que e
uma aplicacao do Teorema Ergodico Subaditivo a um modelo de percolacao de ultima
passagem.
Primeiramente sera feito o enunciado e demonstracao do teorema ergodico
subaditivo de Liggett, que e uma forma melhorada do teorema subaditivo de Kingman,
em seguida um exemplo que satisfaz as condicoes de Liggett, mas nao satisfaz as condicoes
de Kingman.
Apos feita a demonstracao do Teorema da Forma Assintotica, bem como pro-
priedades da funcao limite, sao estudadas condicoes para continuidade e finitude da funcao
limite.
Por fim, apresenta-se formas explıcitas do teorema da forma assintotica, bem
como um Teorema Central do Limite para a funcao G.
Palavras-chaves: Subaditividade, ergodico, formula de ultima passagem, ho-
mogeneidade, superaditividade, concavidade, continuidade.
Agradecimentos
Ao meu Deus excelso e sublime, pois sem Ele, nada do que foi feito se faria;
A minha mae que me ensinou princıpios e o valor da verdade;
A meus parentes e amigos, conforto e incentivo em todas as horas;
A meu orientador Leandro, paciente e a quem devo grande evolucao;
Aos professores Glauco Valle e Ana Patrıcia cujos apontamentos ajudaram a
melhorar este trabalho;
A CAPES e ao programa de pos-graduacao em Estatıstica da UFRJ por esta
oportunidade singular em minha carreira;
A meus companheiros de mestrado Viviana, Natalia, Barcellos, Eduardo e
Rafael Jorge, superando desafios juntos;
Aos meus amigos, professores e colegas que participaram por muito ou por
pouco desta minha caminhada vitoriosa;
Novamente ao meu Deus, princıpio e fim de todas estas coisas.
“Nao a nos, SENHOR, nao a nos, mas
ao teu nome da gloria, por amor da tua
benignidade e da tua verdade”. Salmos
115:1
Sumario
1 Um melhor Teorema Ergodico Subaditivo 5
1.1 O Resultado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 A Prova do Teorema 1.1.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Aplicacoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.1 Ligget, 1985 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2 Modelo de Crescimento Concavo 16
2.1 Construcao do modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 Formula de ultima passagem . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.1 Condicao para B(t) ser cadeia de Markov . . . . . . . . . . . . . . . 18
2.3 Teorema da Forma Assintotica . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Continuidade na fronteira e Finitude de ψ 27
3.1 Outras propriedades de ψ . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Continuidade na Fronteira . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3 Extensao a distribuicoes ilimitadas . . . . . . . . . . . . . . . . . . . . . . 32
4 Algumas formas explıcitas de ψ 36
4.1 Teorema central do limite para G . . . . . . . . . . . . . . . . . . . . . . . 36
4.2 Disposicoes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Referencias Bibliograficas 38
5
1 Um melhor Teorema Ergodico Subaditivo
1.1 O Resultado
Comecaremos por apresentar o teorema ergodico subaditivo sob as hipoteses
de Kingman.
Teorema 1.1.1. (Teorema ergodico de Kingman) Seja Xm,n : 0 ≤ m < n, m, n ∈
Z uma colecao de variaveis aleatorias. Suponha que:
Xl,n ≤ Xl,m +Xm,n, 0 ≤ l < m < n; (1.1)
a distribuicao de Xm+1,n+1, 0 ≤ m < n e a mesma que Xm,n, 0 ≤ m < n; (1.2)
Se para cada n, E|X0,n| <∞ e EX0,n ≥ −cn para alguma constante c. (1.3)
Pode-se, entao, concluir que:
γ = limn→∞
1
nEX0,n = inf
n
1
nEX0,n; (1.4)
X = limn→∞
X0,n
nexiste quase certamente e em L1; (1.5)
EX = γ. (1.6)
A prova deste resultado foi dada por Kingman. No entanto, ha casos em que
ocorre ergodicidade, mas nao satisfazem as hipoteses (1.1) e (1.2) de Kingman. O teorema
ergodico de Liggett consiste em uma generalizacao do teorema de Kingman. Vejamos
agora as definicoes de sequencia estacionaria e ergodico:
Definicao 1.1.1. Diremos que a sequencia de variaveis aleatorias Xn, n ≥ 0 e esta-
cionaria se, para todo k, a sequencia transladada Xn+k, n ≥ 0 tem a mesma distribuicao,
isto e, para cada m, (X0, ..., Xm) =d (Xk, ..., Xk+m).
1.1 O Resultado 6
Definicao 1.1.2. Assuma que ϕ e uma transformacao tal que P (ϕ−1A) = P (A) em
(ΠR,F, P ). Um conjunto A ∈ F e dito invariante se ϕ−1A = A. Defina I como a classe
de eventos invariantes. Uma transformacao ϕ sobre (ΠR,F, P ) e ergodica se I e tal que
para todo A ∈ I, P (A) ∈ 0, 1.
Faremos agora as suposicoes que mostraremos que podem substituir as su-
posicoes (1.1) e (1.2) e contemplar alguns casos a mais do que o teorema de Kingman.
Substituiremos (1.1) e (1.2) pelas seguintes suposicoes:
X0,n ≤ X0,m +Xm,n, 0 < m < n; (1.7)
distribuicao de Xm+1,m+k+1, k ≥ 1 e a mesma que Xm,m+k, k ≥ 1, com m ≥ 0; (1.8)
para cada k ≥ 1, Xnk,(n+1)k, n ≥ 1 e processo estacionario. (1.9)
Teorema 1.1.2. (Teorema ergodico de Liggett) Suponha que (1.7), (1.8), (1.9) e
(1.3) estao satisfeitas. Entao decorrem (1.4), (1.5) e (1.6). Alem disso, se o processo
estacionario em (1.9) for ergodico, entao X = γ.
Vejamos no exemplo a seguir uma aplicacao do teorema 1.1.2 que implica a lei
forte dos grandes numeros:
Exemplo 1.1.1. Seja (Xn)n∈N uma sequencia de variaveis aleatorias independentes e
identicamente distribuıdas (iid), tal que E|X1| <∞. Defina Sm,n =∑n
j=mXj. A condicao
(1.3) segue imediatamente das variaveis aleatorias serem iid e E|X1| < ∞. A condicao
(1.7) segue do fato∑n
j=1Xj =∑m
j=1 Xj +∑n
j=m+1Xj. A condicao (1.8) segue do fato∑m+k+1j=m+1 Xj =d
∑m+kj=m Xj, pois as Xj sao iid. A condicao (1.9) segue de
∑nkj=1Xj =d∑(n+1)k
j=k Xj. Pelo teorema 1.1.2:
limn→∞
1
nES1,n = EX1, pois cada Xj tem a mesma distribuicao;
S = limn→∞
S1,n
nexiste quase certamente e em L1;
ES = EX1.
1.2 A Prova do Teorema 1.1.2 7
Notemos que as tres condicoes propostas por Liggett sao mais fracas do que
as duas primeiras condicoes propostas por Kingman.
A condicao (1.7) e mais fraca do que a condicao (1.1), pois esta exige a suba-
ditividade atualizada a cada l, enquanto (1.7) exige apenas a subaditividade comecando
pela variavel aleatoria de ındice 0.
As condicoes (1.8) e (1.9) sao mais fracas do que a condicao (1.2), pois esta
depende da atualizacao de m e n, enquanto (1.8) e (1.9), a partir de um m fixo, depende
apenas da atualizacao de k. Pode-se ainda substituir (1.3) por EX+0,1 < ∞ donde segue
γ = −∞ em (1.4) e nao exige convergencia em L1 em (1.5).
Vejamos um exemplo de sequencia convergente sob a hipotese de subaditivi-
dade:
Segue na proxima secao a prova do teorema ergodico de Liggett e na secao
subsequente um exemplo em que o teorema e valido, mas com a falha das hipoteses (1.1)
e (1.2) de Kingman.
1.2 A Prova do Teorema 1.1.2
A prova a seguir foi feita originalmente em [5]. Seja Xn = X0,n, γn = EXn,
X = lim supn→∞1nXn e X = lim infn→∞
1nXn. Faremos a prova do teorema 1.1.2 em
quatro partes:
γ = lim1
nγn = inf
1
nγn ∈ (−∞,∞); (1.10)
EX ≤ γ e se o processo estacionario em (1.9) e ergodico, entao X ≤ γ; (1.11)
EX ≥ γ; (1.12)
limE|Xn
n−X| = 0, em que X e valor comum de X e X. (1.13)
Prova de (1.10)
Por (1.7) e (1.8) temos:
γm+n ≤ γm + γn. (1.14)
1.2 A Prova do Teorema 1.1.2 8
Defina γ = infn≥11nγn que e finito por (1.3). Fixe um m ≥ 1 e escreva n = km+ l. Logo,
por (1.14):
γn = γkm+l ≤ γkm + γl ≤ kγm + γl ⇒
γn ≤ kγm + γl.
Como n→∞, nk→ m entao
lim supn→∞
1
nγn ≤
1
mγm.
Fazendo m arbitrario temos 1mγm → γ. Daı
γ ≤ lim infn→∞
1
nγn ≤ lim sup
n→∞
1
nγn ≤ γ.
Concluindo assim (1.10).
Prova de (1.11)
k ≥ 1 e use (1.7) repetidamente para obter:
Xkn ≤n∑j=1
Xk(j−1),kj. (1.15)
Pelo teorema ergodico de Birkhoff (veja [2], pag.283) e (1.9) temos que
1
n
n∑j=1
Xk(j−1),kj (1.16)
converge quase certamente a uma variavel aleatoria com media γk. Daı e por (1.15),
EXkn
n≤ γk, que implica:
E
(lim supn→∞
Xkn
kn
)≤ 1
kγk. (1.17)
Usando novamente (1.7) temos Xkn+j ≤ Xkn + Xkn,kn+j. Por (1.8) a distribuicao de
Xkn,kn+j depende apenas de j. Por (1.3), para cada j, E|Xkn| <∞ e, portanto, E|Xkn,kn+j| <
∞. Daı, pelo criterio de integrabilidade (veja [3], pag.117),
E|Xkn,kn+j| <∞⇔∑n≥1
P (|Xkn,kn+j| > n) <∞⇒ ∀ε > 0,∑n≥1
P
(|Xkn,kn+j|
n> ε
)<∞.
Pelo lema de Borel-Cantelli, vale |Xkn,kn+j |n
> ε um numero finito de vezes e, portanto,
limn→∞Xkn,kn+j
n= 0 quase certamente, para cada j.
Seja m = kn+ j. Daı, knm→ 1, quando m→∞
⇒ Xm
m≤ Xkn
m+Xkn,kn+j
m⇒ Xm
m≤ kn
m
Xkn
kn+ k
Xkn,kn+j
km
1.2 A Prova do Teorema 1.1.2 9
⇒ E
(lim supn→∞
Xm
m
)≤ E
(lim supn→∞
Xkn
kn
)≤ γk
k⇒ EX ≤ γk
k.
Portanto, quando k →∞ temos EX ≤ γ. Se o processo estacionario em (1.9) e ergodico,
entao o limite quase certo de (1.16) e γk e X ≤ γ.
Prova de (1.12)
Seja Un uma variavel aleatoria que e independente de todas as Xl,m e que e
uniformemente distribuıda em 1, 2, ..., n e seja
Y nk = Xk+Un −Xk+Un−1
Lema 1.2.1. EY nk = 1
n(γk+n − γk)
Demonstracao.
P (Un = l) =1
n⇒ EY n
k = E [Xk+Un −Xk+Un−1]
= EE [Xk+Un −Xk+Un−1|Un] =n∑l=1
E [Xk+Un −Xk+Un−1|Un = l]P (Un = l)
=1
n
n∑l=1
E [Xk+l −Xk+l−1] =1
nE [Xk+n −Xk] =
1
n(γk+n − γk) . (1.18)
Alem disso, por (1.7) e (1.8) temos:
E(Y nk )+ =
1
n
n∑l=1
E [Xk+l −Xk+l−1]+ ≤ 1
n
n∑l=1
E [Xk+l−1,k+l]+
= E
[1
n
n∑l=1
Xl−1,l
]+
≤ EX+1 , por (1.9) e f+ = f + f−. (1.19)
De (1.18), (1.19) e (1.10)
supnE|Y n
k | <∞, (1.20)
limEY nk = γ, para cada k ≥ 1. (1.21)
Antes de prosseguir, vejamos as seguintes definicoes e a metade direta do Te-
orema de Prokhorov. Para maiores detalhes, veja [1], cap.6:
1.2 A Prova do Teorema 1.1.2 10
Definicao 1.2.1. Uma famılia de probabilidades Γ ⊂ P e rıgida, se para todo ε existe
um compacto K tal que P (K) > 1− ε, para todo P em Γ.
Definicao 1.2.2. Se as medidas de probabilidade P n e P satisfazem∫fdP = limn→∞
∫fdP n
para qualquer f finito dimensional, contınua e limitada em R∞ dizemos que P n converge
fracamente a P e denotamos por P n ⇒ P .
Definicao 1.2.3. Uma famılia de probabilidades Γ ⊂ P e relativamente compacta se toda
sequencia de elementos de Γ contem uma subsequencia que converge fracamente.
Teorema 1.2.1. (Teorema de Prokhorov - direto) Se Γ e rıgida, entao e relativa-
mente compacta.
Por (1.20):
supnE|Y nk | < ∞ ⇒ ∀M > 0 : P (|Y n
k | > M) ≤ E|Y nk |/M ≤ E|X1|/M,∀n ⇒
∀ε > E|X1|/M,P (|Y nk | < M) > 1− ε,∀n .
Daı, por definicao de rigidez, temos que a famılia de probabilidades P (Y nk ≤ a)
e rıgida, e pelo teorema de Prokhorov, tambem e relativamente compacta. Conclui-se,
entao, que existe uma subsequencia ni tal que a distribuicao de Y nik , k ≥ 1 converge a
distribuicao de alguma colecao Yk, k ≥ 1.
Lema 1.2.2.
Ef(Y1, Y2, ...) = limi→∞
1
ni
ni∑l=1
Ef(Xl+1 −Xl, Xl+2 −Xl+1, ...). (1.22)
Demonstracao. Defina∫fdP = Ef(Y1, Y2, ...) e
∫fdP n = Ef(Y n
1 , Yn
2 , ...)
Ef(Y n1 , Y
n2 , ...) = E [Ef(Y n
1 , Yn
2 , ...)|Un] = E [Ef(Y n1 , Y
n2 , ...)|Un = l]
=n∑l=1
Ef [f(Y n1 , Y
n2 , ...)|Un = l]P (Un = l)
=1
n
n∑l=1
Ef(Xl+1 −Xl, Xl+2 −Xl+1, ...)⇒ limi→∞
∫fdP ni =
= limi→∞
1
ni
ni∑l=1
Ef(Xl+1 −Xl, Xl+2 −Xl+1, ...).
Como ja vimos que existe uma subsequencia ni tal que a distribuicao de Y nik , k ≥ 1
converge a distribuicao de alguma colecao Y nk , k ≥ 1, segue (1.22).
Para os dois lemas seguintes, utilizaremos o seguinte teorema,
1.2 A Prova do Teorema 1.1.2 11
Teorema 1.2.2. Se Ef(X) = Ef(Y ) para cada f contınua, limitada e finito dimensional,
entao X =d Y .
A prova desse teorema pode ser vista em [1], pag.9.
Lema 1.2.3. Yk, k ≥ 1 e estacionario.
Demonstracao. Pelo teorema 1.2.2, e suficiente mostrar queEf(Y1, Y2, ...) = Ef(Y1+k, Y2+k, ...).
Por um lado temos do lema 1.2.2,
Ef(Y1, Y2, ...) = limi→∞
1
ni
ni∑l=1
Ef(Xl+1 −Xl, Xl+2 −Xl+1, ...).
Por outro lado, fazendo um calculo analogo ao feito na prova do lema 1.2.2, teremos:
Ef(Y1+k, Y2+k, ...) = limi→∞
1
ni
ni∑l=1
Ef(Xk+l+1 −Xk+l, Xk+l+2 −Xk+l+1, ...).
Mas, por (1.8), (Xl, Xl+1, Xl+2, ...) =d (Xk+l, Xk+l+1, Xk+l+2, ...)
⇒ Ef(Y1, Y2, ...) = Ef(Y1+k, Y2+k, ...).
Agora, teremos por (1.7) e (1.8) Y n1 = XUn+1 −Xn ≤ XUn,Un+1 =d X1.
Lema 1.2.4. XUn,Un+1 =d X1
Demonstracao. Pelo teorema 1.2.2, basta mostrar Ef (XUn,Un+1) = Ef (X1).
Ef(XUn,Un+1) = E [Ef(XUn,Un+1|Un)]
=n∑l=1
Ef(XUn,Un+1|Un = l)P (Un = l) =1
n
n∑l=1
Ef(Xl,l+1)
=(1.8) Ef(X1).
Definicao 1.2.4. Se P (X ≤ a) ≤ P (Y ≤ a), para todo a ∈ R, dizemos que X e
estocasticamente maior que Y .
Do lema 1.2.4 e de (1.3), temos:
Y n1 ≤d X1 ⇒ E
[Y M
1 IY n1 > M
]≤ E [X1IX1 > M] → 0, pois E|X1| < ∞ ⇒ ∀ε >
0,∃M > 0 : supM E [Y n1 IY n
1 > M] < ε, em que a notacao ’≤d’ significa monotonicidade
estocastica conjunta. Logo, por definicao, (Y n1 )+, k ≥ 1 e uniformemente integravel.
Pelo Lema de Fatou,∫fdP ≥ lim supn
∫fndP
n, e por (1.21):
EY1 ≥ lim supn→∞
EY n1 = γ
1.2 A Prova do Teorema 1.1.2 12
Pelo teorema ergodico de Birkhoff: Y = lim 1n
∑nk=1 Yk existe quase certamente e EY =
EY1 ≥ γ. Resta provar queX e estocasticamente maior que Y . Para mostrar a referida de-
sigualdade estocastica, basta mostrar que (Y1, Y1 +Y2, Y1 +Y2 +Y3, ...) ≤d (X1, X2, X3, ...).
Mas como consequencia de (1.7), (1.8) e (1.22):
Ef(Y1, Y1 + Y2, Y1 + Y2 + Y3, ...) = limi→∞
1
ni
ni∑l=1
Ef(Xl+1 −Xl, Xl+2 −Xl, Xl+3 −Xl, ...) ≤
limi→∞
1
ni
ni∑l=1
Ef(Xl,l+1, Xl,l+2, Xl,l+3, ...) = Ef(X1, X2, X3, ...),
para qualquer f finito dimensional, crescente, contınua e limitada em R∞.
Prova de (1.13)
Lema 1.2.5. Por (1.11) e (1.12) concluımos que X = X = X. Daı, EX = γ.
Demonstracao. De resultados da Analise temos X ≥ X ⇒ EX ≥ EX ⇒(1.11)+(1.12)
EX = EX ⇒ E[X −X
]= 0. Como X −X ≥ 0 e E
[X −X
]= 0 temos, por teorema
de teoria das probabilidades X = X.
Por (1.15) com k = 1 : Xn ≤∑n
j=1X(j−1),j ⇒ Xn
n≤∑n
j=1
X(j−1),j
n→
Y n1 (Teorema ergodico de Birkhoff)⇒ E (Xn/n) ≤ E (Y n
1 ) ⇒ 1nX+n , n ≥ 1 e unifor-
memente integravel.
Lema 1.2.6. limn→∞E|Xn/n−X| = 0
Demonstracao. E suficiente mostrar que limn→∞E[Xn/n − X] = 0 e limn→∞E[Xn/n −
X]+ = 0, pois |z| = 2z+ − z. Utilizaremos a seguinte proposicao:
Proposicao 1.2.1. Se (Xn/n)+n≥1 e uniformemente integravel e Xn/n→ X quase certa-
mente ⇒ EXn/n→ EX.
Veja a prova em [2], cap.1. Daı e imediato que limn→∞E[Xn/n − X]+ = 0.
Alem disso, |Xn/n −X| = 2(Xn/n −X)+ − (Xn/n −X) ≤ 2(Xn/n −X)+. Daı, temos
(Xn/n−X)+ ≤ (Xn/n)+ + (−X)+ ⇒ E(Xn/n−X)+ ≤ E(Xn/n)+ + E(−X)+ <∞⇒
(Xn/n−X)+ e uniformente integravel⇒ ∃M > 0 : E(Xn/n−XIM > 0) < ε,∀ε. Logo
limn→∞E[Xn/n−X]+ = 0. Como limn→∞E[Xn/n−X] = limn→∞E[Xn/n−X]+ = 0⇒
limn→∞E|Xn/n−X| = 0.
Tendo assim mostrado (1.10), (1.11), (1.12) e (1.13), finalizamos a demons-
tracao do teorema ergodico de Liggett.
1.3 Aplicacoes 13
Figura 1.1: cada linha cheia sao os elos entre os pontos de I
1.3 Aplicacoes
1.3.1 Ligget, 1985
O exemplo a seguir satisfaz o teorema que propomos, mas nao satisfaz as
condicoes (1.1) e (1.2). Seja I = (m,n) ∈ Z2 : n ≥ 0 e m + n e par. Um caminho em
I e a sequencia (m1, n1), ..., (mk, nk) tal que para cada i, ni+1 = ni + 1 e mi+1 = mi ± 1;
alem disso, os elos entre (mi, ni) e (mi+1, ni+1) estao abertos ou fechados independente-
mente com probabilidade p e (1− p), respectivamente. Um caminho e dito ativo se todos
sucessivos elos estao em um caminho aberto.
Para todo n ≥ 0, seja
Xn = maxm : ∃ um caminho ativo de (l, 0) para (m,n) para algum l ≤ 0.
Para 0 ≤ m < n, seja
Xm,n = maxk : ∃ um caminho ativo de (l′,m) para (k, n) para algum l′ ≤
Xm −Xm.
Seja Xn = m e Xm = r. Note-se que r e maior ou igual do que a 1 coordenada
do caminho determinado por Xn quando passa por m, pois caso contrario, r nao seria o
maximo tal que existe um caminho ativo de (l, 0) ate (m,n). Seja agora k = Xm +Xm,n.
Como k e o maximo tal que existe um caminho ativo de (l′,m) ate (k, n), k ≥ m, pois
1.3 Aplicacoes 14
Figura 1.2: Uma realizacao que mostra a subaditividade do processo
m ja determina um caminho ate n. Como maxm : ∃ um caminho ativo de (l, 0) para
(m,n) para algum l ≤ 0 ≤ maxk : ∃ um caminho ativo de (l,m) pra (k, n) para algum
l ≤ Xm temos satisfeito (1.7) (ver figura 1.2).
Para mostrar (1.8), notemos que:
Observacao 1.3.1. Xm,m+k e uma funcao de (ω, T ), em que ω sao os elos do caminho ativo
do nıvel m ate m+ k e T e o grafo em que esta ω.
Daı, Xm+1,m+k+1 = Xm,m+k(ω′, T ′) em que ω′ =d ω e T ′ e o T transportado
1 nıvel acima. Portanto Xm+1,m+k+1, k ≥ 1 =d Xm,m+k, k ≥ 1. Para finalizar,
como para cada k ≥ 1, Xnk,(n+1)k, n ≥ 1 sao iid temos, por definicao, uma sequencia
estacionaria.
Agora construiremos um caso particular deste exemplo que contraria as hipoteses
(1.1) e (1.2) de Kingman. Sejam X1, X2, X1,2, X1,3, X2,3 com as seguintes configuracoes:
ha caminhos ativos em I de (0, 0) a (1, 1), de (−4, 0) a (−2, 2), de (−1, 1) a (0, 2), de
(−1, 1) a (1, 3) e de (−4, 2) a (−3, 3), com os demais possıveis caminhos inativos (ver
figura 1.3). Logo:
• X1 = maxm : ∃(0, 0)→ (m = 1, 1) = 1
• X2 = maxm : ∃(−4, 0)→ (m = −2, 2) = −2
• X1,2 = maxk : ∃(−1, 1)→ (k = 0, 2) −X1 = 0− 1 = −1
1.3 Aplicacoes 15
Figura 1.3: configuracoes de X1, X2, X1,2, X1,3, X2,3
• X1,3 = maxk : ∃(−1, 1)→ (k = 1, 3) −X1 = 1− 1 = 0
• X2,3 = maxk : ∃(−4, 2)→ (k = −3, 3) −X2 = −3− (−2) = −1
Em que “→ ” denotamos como caminho ativo de uma coordenada a outra.
Daı verifica-se, por exemplo, que X1,3 > X1,2 + X2,3, contrariando a hipotese
(1.1). Para verificar que (1.2) tambem falha, basta ver que (1.7) e (1.2) implicam (1.1),
e como ja temos (1.7) satisfeita, temos que a falha de (1.1) implica a falha de (1.2) de
Kingman.
16
2 Modelo de Crescimento Concavo
2.1 Construcao do modelo
O modelo consiste em uma sequencia de variaveis aleatorias nao negativas
Yi,j : (i, j) ∈ N2, em que Yi,j representa o tempo em que o sıtio (i, j) e ocupado apos
a ocupacao dos vizinhos a esquerda ou a baixo, no primeiro quadrante, representado por
N2.
Como regra geral, considere todos os sıtios (i, 0) e (0, j) ocupados no tempo 0
e seja o sıtio (1, 1) ocupado por uma partıcula no tempo 1 com a seguinte caracterıstica:
move-se para o sıtio (1, 2) ou (2, 1) no tempo 2, de modo que a ocupacao dos sıtios e
realizada acrescentando 1 a coordenada.
Para ilustrar, temos que antes de Y1,1 o quadrante esta vazio e o primeiro sıtio
ocupado e (1, 1). Em seguida, pode-se ocupar os sıtios (1, 2) ou (2, 1). O tempo para
ocupar (1, 2) e Y1,1 + Y1,2 e para ocupar (2, 1) e Y1,1 + Y2,1.
Defina por B(t) o aglomerado de sıtios ocupados ate o tempo t. Daı:
B(0) = ∅,∀0 ≤ t < Y1,1;
B(Y1,1) = (1, 1);
B(Y1,1 + Y1,2) = (1, 1), (1, 2) ou B(Y1,1 + Y2,1) = (1, 1), (2, 1).
Uma vez que o sıtio e ocupado, ele assim permanece de modo que a evolucao
para todo (i, j) apenas acrescenta sıtios ao conjunto. Isso faz com que o modelo seja
totalmente assimetrico.
Defina agora G(m,n) o tempo quando (m,n) e ocupado. Pode-se expressar
G(m,n) como:
G(m,n) = maxG(m− 1, n), G(m,n− 1)+ Ym,n, (m,n) ∈ N2, (2.1)
G(m,n) = 0,m = 0 ou n = 0. (2.2)
2.2 Formula de ultima passagem 17
Figura 2.1: extraıdo de [10], pag.2
2.2 Formula de ultima passagem
Fazendo iteracoes passo-atras em (2.1) ate (1, 1), chegamos a formula de ultima
passagem para G:
G(m,n) = maxπ∈Π(m,n)
∑(i,j)∈π
Yi,j, (m,n) ∈ N2, (2.3)
em que Π(m,n) e a colecao de caminhos orientados π de (1, 1) ate (m,n), e π e dado por
π = (1, 1) = (i1, j1), (i2, j2), ..., (im+n−1, jm+n−1) = (m,n) em que (is, js)− (is−1, js−1) =
(1, 0) ou (0, 1), para s = 1, 2, ...,m+ n− 1.
No contexto do tempo de ultima passagem o crescimento do aglomerado de
pontos ate o tempo t se define por
B(t) = (m,n) ∈ N2 : G(m,n) ≤ t. (2.4)
Ou de modo mais geral, podemos considerar a ultima passagem entre 2 pontos (k, l) e
(m,n) em N2 tal que k ≤ m e l ≤ n:
G((k, l), (m,n)) = maxπ∈Π((k,l),(m,n))
∑(i,j)∈π
Yi,j, (2.5)
em que Π((k, l), (m,n)) e a colecao de caminhos orientados π = (k, l) = (i1, j1), (i2, j2), ...
..., (im+n−k−l+1, jm+n−k−l+1) = (m,n) tal que (is, js)− (is−1, js−1) = (1, 0) ou (0, 1), para
s = 1, 2, ...,m+n−k− l+ 1. O tempo G definido anteriormente e agora G((1, 1), (m,n)),
mas seguiremos com a notacao G(m,n) para este caso.
Proposicao 2.2.1. G e superaditivo, isto e,
G(k, l) +G((k + 1, l + 1), (k +m, k + n)) ≤ G(k +m, l + n).
2.2 Formula de ultima passagem 18
Demonstracao. Defina G(π) =∑
(i,j)∈π Yi,j, em que π ∈ Π(m,n). Daı, seja G(π(m,n))
tal que π(m,n) ∈ Π(m,n) e um caminho que maximiza G(m,n). Logo G(π(m,n)) =
G(m,n). Seja tambem π1 = π(k, l) ∈ Π(k, l), π2 = π((k + 1, l + 1), (k + m, l + n)) ∈
Π((k + 1, l + 1), (k +m, l + n)) e π = π1‖(k + 1, l)→ (k + 1, l + 1)‖π2 ⇒
G(π) = G(π1) + Yk+1,l +G(π2)⇒
G(k, l) +G((k + 1, l + 1), (k +m, k + n)) ≤ G(π) ≤ G(k +m, l + n).
2.2.1 Condicao para B(t) ser cadeia de Markov
Quando os pesos Yi,j tem distribuicao geometrica, o crescimento do aglomerado
B(t) torna-se uma cadeia de Markov no espaco de estados de aglomerados finitos em N2.
Para um parametro fixo 0 < p < 1, sejam Yi,j variaveis aleatorias independen-
tes com distribuicao comum dada por
P (Yi,j = k) = p(1− p)k, k ∈ N. (2.6)
Como antes, defina G(m,n) como em (2.3) e o aglomerado B(t) como em
(2.4). Como os tempos de ultima passagem sao inteiros, pode-se pensar em B(t) como
um processo a tempo discreto de ındice t ∈ Z+. A cada Yi,j ≥ 1, B(0) = ∅ e para
t ≥ 1, B(t) e subconjunto do quadrado [0, t]× [0, t] e, em particular, e um conjunto finito.
Este processo B(t) esta definido em um enumeravel espaco de estados
Γ = U ⊆ N2 : #U <∞, (i, j) ∈ U ⇒ U ⊃ 1, ..., i × 1, ..., j, (2.7)
que contem B(0) = ∅.
Seja U ∈ Γ. Um sıtio (m,n) /∈ U e um crescimento de canto ou local de
crescimento para U se 1, ...,m × 1, ..., n ⊆ U ∪ (m,n), isto e, se ambos os vizinhos
a esquerda ou abaixo de (m,n) pertencem a U , (m,n) pode ser unido a U formando um
novo elemento de Γ,U ∪(m,n).
Proposicao 2.2.2. O processo B(t) e uma cadeia de Markov em um espaco de estados Γ
com o estado inicial B(0) = ∅ e com probabilidade de transicao dada como se segue: dado
2.2 Formula de ultima passagem 19
B(t), B(t+1) e obtido acrescentando a B(t) sıtios de crescimento de canto independentes
com probabilidade p.
Demonstracao. Sejam x e y para denotar pontos em N2. Fixe U ∈ Γ e U ′ o conjunto cres-
cimento de U . Seja U ′ = L∪M uma particao arbitraria de U ′, tal que L∩M = ∅, podendo
um deles ser vazio. Mostraremos que para os conjuntos arbitrarios U1, U2, ..., Ut−1 ∈ Γ tal
que PB(1) = U1, ..., B(t) = U > 0, nos temos a propriedade de Markov
P [B(t+ 1) = U ∪ L|B(1) = U1, ..., B(t− 1) = Ut−1, B(t) = U ] = p#L(1− p)#M . (2.8)
Existe inteiros s(y) ≤ t para y ∈ U tal que
B(1) = U1, ..., B(t− 1) = Ut−1, B(t) = U = G(y) = s(y), y ∈ U,G(x) > t, x ∈ U ′
Sejam os vetores e1 = (1, 0) e e2 = (0, 1) a base canonica. Para x ∈ U ′ e seja S(x) =
maxG(x − e1), G(x − e2) : G(x) = S(x) + Yx. Por (2.2), S(x) e limitado se max(x −
e1), (x− e2) /∈ N2. Note que as variaveis S(x) : x ∈ U ′ sao funcoes de G(y) : y ∈ U.
Desenvolvendo a probabilidade condicional em (2.8) teremos uma razao de probabilidades
com o seguinte numerador:
PB(1) = U1, ..., B(t− 1) = Ut−1, B(t) = U,B(t+ 1) = U ∪ L =
PG(y) = s(y), y ∈ U,G(x) = t+ 1, x ∈ L e G(x) > t+ 1, x ∈M =
PG(y) = s(y), y ∈ U, Yx = t+ 1− S(x), x ∈ L e Yx > t+ 1− S(x), x ∈M = ∗
Pela independencia entre Yx : x ∈ U ′ e G(y) : y ∈ U
∗ = E
[∏y∈U
1G(y) = s(y).∏x∈L
p(1− p)t−S(x).∏x∈M
(1− p)t+1−S(x)
]
= p#L(1− p)#ME
[∏y∈U
1G(y) = s(y).∏x∈U ′
(1− p)t−S(x)
]= p#L(1− p)#MPG(y) = s(y), y ∈ U e Yx > t− S(x), x ∈ U ′
= p#L(1− p)#MPB(1) = U1, ..., B(t) = U
⇒(2.8).
Observacao 2.2.1. A proposicao dada e fundamental para a explicitacao da forma as-
sintotica, cuja existencia sera discutida na secao seguinte.
2.3 Teorema da Forma Assintotica 20
2.3 Teorema da Forma Assintotica
Sobre a formula de ultima passagem G definida na secao anterior a partir de
agora sera enunciado e posteriormente provado um teorema que garante a convergencia
de G atraves do teorema ergodico de Liggett.
Nosso objetivo e estudar o comportamento de G(m,n) para valores muito
grandes de m e n e veremos que ψ(x, y) = limN→∞N−1G(bNxc , bNyc) existe quase
certamente para todo (x, y) ∈ R2+. A esta ψ(x, y) chamaremos de forma assintotica e
verificaremos suas diversas propriedades.
Observacao 2.3.1. O enunciado e prova do teorema sera feito em 2 dimensoes, mas note
que todas as propriedades sao invariantes para d dimensoes.
Teorema 2.3.1. (Teorema 2.1, de [10], pag.7) Seja sequencia de variaveis aleatorias
independentes e identicamente distribuıdas Yi,j : (i, j) ∈ N2, satisfazendo 0 ≤ Yi,j <∞,
entao existe ψ : (0,∞)2 → [0,∞] nao decrescente em ambos os argumentos tal que
N−1G(bNxc , bNyc) q.c.−→ ψ(x, y), (2.9)
sendo ψ =∞ ou ψ <∞ em todo (0,∞)2. ψ e superaditiva, concava, contınua, homogenea
e simetrica em (0,∞)2.
As propriedades enunciadas para ψ sao expressas, para (x1, y1), (x2, y2) ∈
(0,∞)2, 0 < s < 1 e c > 0, por:
Superaditividade
ψ(x1, y1) + ψ(x2, y2) ≤ ψ(x1 + x2, y1 + y2); (2.10)
concavidade
sψ(x1, y1) + (1− s)ψ(x2, y2) ≤ ψ(s(x1, y1) + (1− s)(x2, y2)); (2.11)
homogeneidade
ψ(cx1, cy1) = cψ(x1, y1); (2.12)
e simetria
ψ(x1, y1) = ψ(y1, x1). (2.13)
2.3 Teorema da Forma Assintotica 21
A prova deste teorema sera feita em diversas etapas:
A. Se existe um ponto (a, b) ∈ N2 tal que ψ(a, b) =∞, o limite e infinito para todo ponto
e as propriedades de ψ antes enunciadas sao trivialmente satisfeitas.
B. Sob a hipotese ψ(1, 1) <∞, entao
1. Existencia de ψ(x, y) <∞ e propriedades para (x, y) ∈ N2;
2. Extensao para (x, y) ∈ Q2+;
3. Extensao para (x, y) ∈ R2+.
Observacao 2.3.2. No proximo capıtulo veremos outras propriedades de ψ, alem de condicoes
para que seja contınua na fronteira e finita. A continuidade mencionada no enunciado do
teorema, e continuidade interior.
Demonstracao. Para provar a parte A, necessitaremos mostrar (2.12) e o limite (2.9) para
(x, y) ∈ N2.
Seja (x, y) ∈ N2, 0 ≤ m < n e defina Zm,n = G((mx+ 1,my + 1), (nx, ny)).
Lema 2.3.1. A sequencia de variaveis aleatorias Zm,n, 0 ≤ m < n satisfaz a supe-
raditividade e as condicoes (1.8) e (1.9) do teorema ergodico de Liggett. A sequencia
Zm,n, 0 ≤ m < n e ergodica e existe a constante ψ(x, y) ∈ R2+, (x, y) ∈ N2 tal que
n−1Z0,n → ψ(x, y).
Demonstracao. Superaditividade, (1.8), (1.9) e ergodicidade
A superaditividade e imediata da proposicao 2.1.1. Para (1.8), seja m1,m2 ∈
Z+ arbitrarios. Sem perda de generalidade, considere m2 = m1 + r. Entao a colecao de
variaveis aleatorias
Zm2,m2+k, k ∈ N = G((m1x+ rx+ 1,m1y + ry + 1), (m1x+ rx+ kx,m1y + ry + ky)), k ∈ N
e uma translacao da colecao de variaveis aleatorias Zm1,m1+k, k ∈ N = G((m1x +
1,m1y + 1), (m1x+ kx,m1y + ky)), k ∈ N rx sıtios a direita, ry sıtios acima. Como Yi,j
sao iid e a colecao de caminhos orientados Π((m1x+ 1,m1y+ 1), (m1x+ kx,m1y+ ky)) e
Π((m2x+1,m2y+1), (m2x+kx,m2y+ky)) sao isomorfos (o segundo e uma translacao do
primeiro), segue que Zm1,m1+k, k ∈ N =d Zm2,m2+k, k ∈ N,∀m1,m2 ∈ Z+, e portanto,
(1.8) esta satisfeito.
2.3 Teorema da Forma Assintotica 22
Para (1.9), seja um n arbitrario em Z+. Pela construcao de G, Znk+l,nk+k+l =
G((nkx+x+ l, nky+y+ l), (nkx+kx+ lx, nky+ky+ ly)) e uma translacao de Znk,nk+k =
G((nkx + 1, nky + 1), (nkx + kx, nky + ky)), lx sıtios a direita e ly sıtios acima. Como
Yi,j sao iid e a colecao de caminhos orientados Π((nkx+ x+ l, nky + y + l), (nkx+ kx+
lx, nky+ ky+ ly)) e Π((nkx+ 1, nky+ 1), (nkx+ kx, nky+ ky)) sao isomorfos, segue que
Znk+l,nk+k+l =d Znk,nk+k,∀l ≥ 1. Portanto, segue que, para k ≥ 1, Znk,(n+1)k, n ≥ 1 tem
distribuicao invariante ao longo de n, ou seja, e um processo estacionario.
A ergodicidade decorre do fato que, se l > n, entao Zm,n e Zl,p sao indepen-
dentes. Neste caso tambem teremos um analogo a lei 0-1 de Kolmogorov (ver [2], pag.68
e 281), implicando ergodicidade.
Convergencia
Seja K ∈ N e defina Z(K)m,n = Zm,n∧K(n−m), que e superaditivo. Entao, defi-
nindo Xm,n = −Z(K)m,n, satisfaz (1.7), (1.8), (1.9) e (1.3) do teorema ergodico subaditivo, in-
cluindo a ergodicidade do processo estacionario. Daı, ∃ψ(K)(x, y) : n−1Z(K)0,n → ψ(K)(x, y),
quase certamente. Como consideramos K suficientemente grande em N contavel, existe
um evento Ω0 =⋂K∈N Ω(K) em que a convergencia segue para todo K ∈ N. Seja
ψ(x, y) = supK ψ(K)(x, y). Deseja-se verificar n−1Z0,n → ψ(x, y) sobre Ω0.
Como Z0,n ≥ Z(K)0,n ,∀K ∈ N , fazendo n → ∞ ao longo de uma subsequencia
adequada e fazendo K ∞ teremos
lim infn→∞
n−1Z0,n ≥ ψ(K)(x, y),∀K ⇒ lim infn→∞
n−1Z0,n ≥ supKψ(K)(x, y) = ψ(x, y).
Se ψ(x, y) =∞, ja temos o limite desejado. Suponha entao que ψ(x, y) <∞.
Se lim supn→∞ n−1Z0,n > ψ(x, y), tome ε > 0 e uma subsequencia nj tal que n−1
j Z0,nj>
ψ(x, y) + ε. Tome K > ψ(x, y) + ε. Entao, por um lado temos
n−1j Z
(K)0,nj
= (n−1j Z0,nj
) ∧K > ψ(x, y) + ε,∀j.
Mas por outro lado n−1j Z
(K)0,nj→ ψ(K)(x, y) ≤ ψ(x, y). Desta contradicao segue que
lim supn→∞ n−1Z0,n ≤ ψ(x, y), (x, y) ∈ N2.
Do lema 2.3.1, temos que ∃ψ : N2 → [0,∞] tal que
N−1G(Nx,Ny)q.c.−→ ψ(x, y),∀(x, y) ∈ N2. (2.14)
2.3 Teorema da Forma Assintotica 23
Prova da homogeneidade (2.12) em N2: Seja c ∈ N. Entao ψ(cx, cy) =
limN→∞N−1G(Ncx,Ncy). Defina M = Nc, daı
limN→∞
N−1G(Mx,My) = c limN→∞
(Nc)−1G(Mx,My) = c limM→∞
M−1G(Mx,My) = cψ(x, y).
Agora podemos mostrar o caso ψ =∞, pelo seguinte lema:
Lema 2.3.2. Se existe um ponto (a, b) ∈ N2 tal que ψ(a, b) =∞, o limite e infinito para
todo ponto e as propriedades de ψ enunciadas sao trivialmente satisfeitas.
Demonstracao. Seja ψ(a, b) =∞ para algum (a, b) ∈ N2. Tome k ∈ N : kx > a e ky > b.
Daı, pelas propriedades (2.12) e do limite (2.14) temos
ψ(x, y) = k−1ψ(kx, ky) = limN→∞
(kN)−1G(Nkx,Nky) ≥
limN→∞
(kN)−1G(Na,Nb) = k−1ψ(a, b) =∞.
Agora estenderemos para o caso mais geral em que (x, y) ∈ (0,∞)2. Tome k ∈ N : x, y >
1/k. Defina N = Mk + r,M ∈ Z+, r ∈ 0, 1, ..., k − 1. Logo, bNxc ≥ bN/kc = M e de
modo analogo para y. Portanto,
lim infN→∞
N−1G(bNxc , bNyc) ≥ lim infN→∞
N−1G(M,M) = k−ψ(1, 1) =∞,
o que completa a prova do caso ψ =∞.
Prova da superaditividade (2.10) em N2: Da superaditividade de G e
multiplicando e dividindo por N temos
N−1G(Nx1, Ny1) +N−1G((Nx1 + 1, Ny1 + 1), (Nx1 +Nx2, Ny1 +Ny2)) (2.15)
≤ N−1G(Nx1 +Nx2, Ny1 +Ny2).
O primeiro e o ultimo termo convergem, quando N → ∞, por (2.14), para ψ(x1, y1) e
ψ(x1 + x2, y1 + y2), respectivamente. Para verificar a convergencia do termo do meio,
basta verificar que
G((Nx1 + 1, Ny1 + 1), (Nx1 +Nx2, Ny1 +Ny2)) =d G(Nx2, Ny2)
como ja foi mostrado. Daı e como o termo do lado direito da equacao converge a ψ(x2, y2)
quase certamente, o termo da esquerda converge em distribuicao a ψ(x2, y2), que e um
valor constante para (x2, y2) fixo. Daı, existe uma subsequencia de N−1G((Nx1 +1, Ny1 +
2.3 Teorema da Forma Assintotica 24
1), (Nx1 + Nx2, Ny1 + Ny2)) que converge para ψ(x2, y2), quase certamente. Portanto,
tomando o limite em (2.15) ao longo da subsequencia, concluımos a superaditividade
(2.10) em que (x1, y1), (x2, y2) ∈ N2.
Extensao para (x, y) ∈ Q2+
Assuma ψ < ∞ em N2 e facamos uma extensao das propriedades de ψ em
pontos racionais. Para algum racional (x, y) ∈ (0,∞)2, defina
ψ(x, y) = k−1ψ(kx, ky), k ∈ Z+ : (kx, ky) ∈ N2. (2.16)
Sejam k1, k2 ∈ N quaisquer, e suponha
k−11 ψ(k1x, k1y) > k−1
2 ψ(k2x, k2y)⇒ k2ψ(k1x, k1y) > k1ψ(k2x, k2y)⇒
ψ(k2k1x, k2k1y) > k1ψ(k2x, k2y)⇒ k1ψ(k2x, k2y) > k1ψ(k2x, k2y).
Da contradicao acima temos que esta definicao independe da escolha de k pela homoge-
neidade estabelecida para inteiros.
A seguir, mostraremos o limite ψ para argumentos racionais: Mantenha a
escolha de k e defina N = Mk + r,M ∈ Z+, r ∈ 0, 1, ..., k − 1 ⇒
Mkx ≤ bMkx+ rxc = bNxc ≤Mkx+ rx < (M + 1)kx,
com desenvolvimento analogo para y temos da monotonicidade da formula de ultima
passagem para inteiros
G(Mkx,Mky) ≤ G(bNxc , bNyc) ≤ G((M + 1)kx, (M + 1)ky)⇒kM
N
G(Mkx,Mky)
kM≤ G(bNxc , bNyc)
N≤ G((M + 1)kx, (M + 1)ky)
(M + 1)k
(M + 1)k
N⇒
k−1ψ(kx, ky) ≤ lim infN→∞
N−1G(bNxc , bNyc) ≤ lim supN→∞
N−1G(bNxc , bNyc) ≤ k−1ψ(kx, ky).
Portanto, o limite (2.14) esta bem definido para racionais positivos.
Prova da homogeneidade (2.12) em Q2+: Sejam k1, k2 ∈ N tais que
k1(x, y) ∈ N2 e k2c ∈ N. Entao
ψ(cx, cy) = (k1k2)−1ψ(k1k2cx, k1k2cy) = (k1k2)−1(k2c)ψ(k1x, k1y) =
ck−11 ψ(k1x, k1y) = cψ(x, y).
Prova da superaditividade (2.10) em Q2+: Sejam k1, k2 ∈ N tais que
k1k2(xi, yi) ∈ N2, i = 1, 2. Entao
ψ(x1, y1) + ψ(x2, y2) = (k1k2)−1ψ(k1k2x1, k1k2y1) + (k1k2)−1ψ(k1k2x2, k1k2y2) ≤
(k1k2)−1ψ(k1k2(x1 + x2), k1k2(y1 + y2)) = ψ(x1 + x2, y1 + y2).
2.3 Teorema da Forma Assintotica 25
Extensao para (x, y) ∈ R2+
A extensao final do limite (2.14) para (x, y) ∈ (0,∞)2 e defina
A(x, y) = 0 < u ≤ x, 0 < v ≤ y, u, v ∈ Q,
ψ(x, y) = supA(x,y) ψ(u, v). (2.17)
Para (x, y) racional, a identidade (2.17) segue da monotonicidade de ψ(x, y),
que admite as ja referidas propriedades.
Prova da homogeneidade (2.12) em R2+: Seja (x, y) ∈ R2
+ nao nulo e o
racional c > 0. Defina u1 = cu e v1 = cv. Utilizando a equacao (2.17) temos:
cψ(x, y) = c supA(x,y)
ψ(u, v) = supA(x,y)
cψ(u, v) = supA(x,y)
ψ(cu, cv) = supA(cx,cy)
ψ(u1, v1) = ψ(cx, cy).
A extensao ao caso c > 0 ∈ R, basta tomar c1 e c2 tais que c1 < c < c2. Pela
monotonicidade, c1ψ(x, y) = ψ(c1x, c1y) ≤ ψ(cx, cy) ≤ ψ(c2x, c2y) = c2ψ(x, y). Fazendo
c1 c e c2 c teremos a homogeneidade para ψ em R2+.
Prova da superaditividade (2.10) em R2+: Segue imediatamente da de-
finicao (2.17) pois:
ψ(x1 + x2, y1 + y2) ≥ ψ(u1 + u2, v1 + v2) ≥ ψ(u1, v1) + ψ(u2, v2)⇒sup(u1,v1)
ψ(x1 + x2, y1 + y2) ≥ ψ(x1, y1) + ψ(u2, v2)⇒sup(u2,v2)
ψ(x1 + x2, y1 + y2) ≥ ψ(x1, y1) + ψ(x2, y2),
uma vez que a superaditividade para ui, vi ∈ Q+, i = 1, 2 ja foi mostrada.
Concavidade (2.11) de ψ em R2+: Segue da combinacao da homogeneidade
com a superaditividade. Seja s tal que 0 < s < 1 e (x1, y1), (x2, y2) ∈ R2+, entao
sψ(x1, y1) + (1− s)ψ(x2, y2) =(2.12) ψ(sx1, sy1) + ψ((1− s)x2, (1− s)y2)
≤(2.10) ψ(sx1 + (1− s)x2, sy1 + (1− s)y2). (2.18)
Continuidade interior de ψ em R2+: Segue de imediato do resultado abaixo,
cuja demonstracao pode ser vista em Rockafellar, Convex Analysis - capıtulo 10 :
Uma funcao convexa finita em todo aberto Rn e necessariamente contınua.
2.3 Teorema da Forma Assintotica 26
Naturalmente uma funcao contınua preserva a continuidade quando multipli-
cada por −1, portanto, como ψ e concava, −ψ e convexa e satisfaz o resultado.
Generalizando o limite (2.14) para (x, y) ∈ R2+, tome os racionais (x1, y1) e
(x2, y2) tais que 0 < x1 < x < x2 e 0 < y1 < y < y2. Entao, da monotonicidade de G:
G(bNx1c , bNy1c) ≤ G(bNxc , bNyc) ≤ G(bNx2c , bNy2c).
Passando o limite, temos:
ψ(x1, y1) ≤ lim infn→∞
N−1G(bNxc , bNyc) ≤ lim supn→∞
N−1G(bNxc , bNyc) ≤ ψ(x2, y2).
Faca entao, (x1, y1) → (x, y) e (x2, y2) → (x, y) e, da continuidade de ψ, temos o limite
(2.14) bem definido para todos os pontos de (0,∞)2.
Simetria (2.13) de ψ em R2+: Segue da distribuicao simetrica G(m,n) =d
G(n,m). Seja (x, y) ∈ (0,∞)2, entaoN−1G(bNxc , bNyc) =d N−1G(bNyc , bNxc). Passando-
se o limite com N →∞
N−1G(bNxc , bNyc) q.c.→ ψ(x, y);
N−1G(bNxc , bNyc) =d N−1G(bNyc , bNxc)⇒ N−1G(bNyc , bNxc) d→ ψ(x, y) = cte.⇒
N−1G(bNyc , bNxc) P→ ψ(x, y)⇒ ∃j : NjG(bNjyc , bNjxc)q.c.→ ψ(x, y).
Como, por outro lado, N−1G(bNyc , bNxc) q.c.→ ψ(y, x), concluımos ψ(x, y) = ψ(y, x) quase
certamente.
Assim, concluımos a prova do teorema 2.3.1.
27
3 Continuidade na fronteira e Finitude de ψ
3.1 Outras propriedades de ψ
Proposicao 3.1.1. Para a funcao ψ vale a desigualdade
ψ(x+ h, y) ≥ ψ(x, y) + hE(Y1,1), h > 0.
Demonstracao. Para mostrar a desigualdade ψ(x + h, y) ≥ ψ(x, y) + hE(Y1,1), h > 0
utilizaremos a superaditividade de G e a lei forte dos grandes numeros:
G(bNx+Nhc , bNyc) ≥ G(bNxc , bNyc) +G((bNxc+ 1, bNyc), (bNx+Nhc , bNyc))
defina o segundo termo a direita da desigualdade como G2. Daı:
G2 =
bNx+Nhc,bNyc∑i=bNxc+1
Yi,bNyc ⇒
EG2 =
bNx+Nhc,bNyc∑i=bNxc+1
EYi,bNyc =iid bNhcEY1,1.
Portanto, do limite (2.14) e da lei forte dos grandes numeros, segue a desigualdade ψ(x+
h, y) ≥ ψ(x, y) + hE(Y1,1), h > 0.
Para termos a finitude de ψ, sera dada a seguinte proposicao,
Teorema 3.1.1. (Teorema 2.3 de [6]) Se
∫∞0P (Yi,j > t)1/2dt <∞ (3.1)
entao ψ(x, y) <∞ e e contınua em todo R2+ (incluindo a fronteira).
Enunciaremos lemas dos quais, sob a hipotese (3.1), garante-se a continuidade
de ψ tambem na fronteira. Note que na secao anterior, obtivemos a continuidade interior
de ψ a partir da propriedade concavidade em todo R2+. Veremos que a abordagem desta
secao e um pouco mais forte.
3.2 Continuidade na Fronteira 28
3.2 Continuidade na Fronteira
O lema a seguir sera necessario para a parte central da prova da continuidade.
Os resultados que se seguem podem ser encontrados em [6] para o caso de dimensao d.
Lema 3.2.1. (desigualdade de concentracao) Seja Yi, 1 ≤ i ≤ k, uma colecao de
variaveis aleatorias independentes tais que 0 ≤ Yi ≤ L,∀i quase certamente. Seja C o
conjunto das partes de 1, 2, ..., k, tal que maxC∈C |C| ≤ R e defina Z = maxC∈C∑
i∈C Yi.
Entao, para todo u > 0,
P (|Z − EZ| ≥ u) ≤ exp
(− u2
16RL2+ 64
). (3.2)
Demonstracao. Seja M uma mediana da variavel aleatoria Z, e seja s > 0. Aplicaremos
o seguinte teorema:
Teorema 3.2.1. (Teorema 8.1.1 de [11]) Seja Z uma variavel aleatoria tal que Z =
supα∈F∑
i≤N αiXi, e M e a mediana de Z, entao para todo s > 0 temos
P (|Z −M | ≥ s) ≤ 4 exp
(− s2
4σ2
). (3.3)
Definiremos σ2 = RL2. Quando temos
|EZ −M | ≤ E|Z −M | =∫ ∞
0
P (|Z −M | ≥ s)ds
≤∫ ∞
0
4 exp
(− s2
4RL2
)ds =
∫ ∞0
4 exp(−x2)√
4RL2dx = 8L√R
∫ ∞0
exp(−x2)dx ≤ 16L√R.
Se u ≥ 32L√R, podemos combinar com (3.3) e teremos
|Z − EZ| ≤ |Z −M − EZ +M | ≤ |Z − EZ|+ |M − EZ| ⇒
P (|Z − EZ| ≥ u) ≤ P (|Z −M |+ |EZ −M | ≥ u) ≤ P (|Z −M | ≥ u− 16L√R)
≤ P (|Z −M | ≥ u/2) ≤ 4 exp
(−(u/2)2
4RL2
)= 4 exp
(− u2
16RL2
)< exp
(− u2
16RL2+ 64
).
Se u < 32L√R, entao (3.2) esta trivialmente satisfeito, desde que a direita da inequacao
seja pelo menos 1.
Aplicaremos a desigualdade de concentracao para obter a continuidade de ψ
com as seguintes proposicoes:
3.2 Continuidade na Fronteira 29
Proposicao 3.2.1. Suponha que P (|Yi,j| ≤ L) = 1, para algum L finito. Seja R > 0 e
ε > 0. Existe δ > 0 tal que (x, y) ∈ R2+ com ‖(x, y)‖ ≤ R e x = 0 ou y = 0, entao,
|ψ((x, y) + hek)− ψ(x, y)| < ε,∀0 ≤ h ≤ δ, k = 1, 2. (3.4)
Demonstracao. Sem perda de generalidade, seja k = 1. Queremos concluir, em outras
palavras, que ψ(h, y)→ ψ(0, y), quando h ↓ 0, uniformemente em (x, y) : |(x, y)| ≤ R.
Entao seja h > 0 e n ∈ N. Um caminho orientado de (0, 0) ate (bnhc , bnyc)
contem exatamente bnhc passos a mais na primeira coordenada, podendo entao ser de-
composto na uniao disjunta de caminhos de (r,mr) a (r,mr+1), r = 1, 2, ..., bnhc, em que
mr ∈ Z+,∀r, e
1 = m1 ≤ m2 ≤ ... ≤ mbnhc+1 = bnyc . (3.5)
Redefinimos, entao, a formula de ultima passagem como
G(bnhc , bnyc) = maxm1,...,mbnhc+1
bnhc∑r=1
G((r,mr), (r,mr+1)) +
bnhc∑r=1
Yr,mr+1
. (3.6)
Para ilustrar esse rearranjo de G, utilizaremos como exemplo G(5, 4) como
apresentado na figura 2.1:
G(5, 4) = Y1,1 + Y2,1 + Y3,1 + Y3,2 + Y3,3 + Y4,3 + Y5,3 + Y5,4,
em que, em termos de r e mr teremos, (1,m1) = (1,m2) = (1, 1), (2,m2) = (2,m3) =
(2, 1), (3,m3) = (3, 1), (3,m4) = (3, 3), (4,m4) = (4,m5) = (4, 3), (5,m5) = (5, 3), (5,m6) =
(5, 4). Logo, utilizando a formula (3.6) temos
G(5, 4) = maxm1,...,m6
5∑r=1
G((r,mr), (r,mr+1)) +5∑r=1
Yr,mr+1
,
em que
5∑r=1
G((r,mr), (r,mr+1)) = G((1, 1), (1, 1)) +G((2, 1), (2, 1)) +G((3, 1), (3, 3))
+ G((4, 3), (4, 3)) +G((5, 3), (5, 4)) = 0 + 0 + Y3,1 + Y3,2 + 0 + Y5,3,
5∑r=1
Yr,mr+1 = Y1,1 + Y2,1 + Y3,3 + Y4,3 + Y5,4.
O numero de escolhas para mr e(bnyc+bnhcbnhc
).
3.2 Continuidade na Fronteira 30
Lema 3.2.2. A combinacao pode ser aproximada por exp[nφ(h, y)+o(n)], em que φ(h, y) =(h log y+h
h+ y log y+h
y
).
Demonstracao. (bnyc+bnhcbnhc
)=
(bnyc+ bnhc)!bnyc! bnhc!
que, aplicando a formula de Stirling (n! ≈ (1/e)n√
2πn), temos((bnyc+bnhc)
e
)bnyc+bnhc√2π(bnyc+ bnhc)(
bnyce
)bnyc√2π bnyc
(bnhce
)bnhc√2π bnhc
= I(h, y)× II(h, y)× III(h, y), em que
I(h, y) =
(bnyc+ bnhcbnyc
)bnyc,
II(h, y) =
(bnyc+ bnhcbnhc
)bnhc,
III(h, y) =
√2π(bnyc+ bnhc)√2π bnyc
√2π bnhc
.
Ao aplicarmos explog(.) em I(h, y)× II(h, y)× III(h, y),
exp
bnyc log
bnyc+ bnhcbnyc
+ bnhc logbnyc+ bnhcbnhc
+ log
√2π(bnyc+ bnhc)√2π bnyc
√2π bnhc
=
exp
n
(y log
y + h
y+ h log
y + h
h
)+ o(n)
,
em que
o(n) = log
√2π(bnyc+ bnhc)√2π bnyc
√2π bnhc
, eo(n)
n→ 0.
Agora tomemos, dentro do maximo, a esperanca sobre o lado direito de (3.6).
Teremos, para mr fixo,
E
bnhc∑r=1
G((r,mr), (r,mr+1)) +
bnhc∑r=1
Yr,mr+1
= E
bnhc∑r=1
G((1,mr), (1,mr+1)) + bnhcEY
≤ EG((1,m1), (1,mbnhc+1)) + nhL (pela superaditividade) (3.7)
= EG(0, bnyc) + nhL
≤ n[ψ(0, y) + hL],
3.2 Continuidade na Fronteira 31
(por definicao de ψ e novamente pela superaditividade). Como a esperanca foi tomada
sobre o maximo, entao n[ψ(0, y) + hL] e cota superior para todo valor esperado de (3.6).
Ainda mantendo mr fixo, note que a quantidade dentro da esperanca sobre o lado
esquerdo de (3.7) pode ser escrita como o maximo da soma de varios conjuntos de Yi,j;
cada conjunto tem tamanho ‖(bnhc , bnyc)‖ ≤ n ‖(h, y)‖ e, pela condicao dada, Yi,j ≤ L.
Assim, ao aplicarmos a desigualdade de concentracao, teremos
P
bnhc∑r=1
G((r,mr), (r,mr+1)) +
bnhc∑r=1
Yr,mr+1 ≥ n(ψ(0, y) + hL+ ε)
≤P
bnhc∑r=1
G((r,mr), (r,mr+1)) +
bnhc∑r=1
Yr,mr+1 desviar da media mais de nε
≤ exp
(− (nε)2
64n ‖(h, y)‖L2+ 64
).
Agora, tomando a sobre todos os mr possıveis, teremos do resultado acima
P G(bnhc , bnyc) ≥ n(ψ(0, y) + hL+ ε)
≤ exp[nφ(h, y) + o(n)] exp
(− nε2
64 ‖(h, y)‖L2+ 64
),
em que o lado direito da desigualdade segue da estimativa do numero de escolhas possıveis
de caminhos ate (bnhc , bnyc) cada uma com cota superior dada pela desigualdade de
concentracao. Note, ainda, que podemos garantir que a soma das probabilidades e finita
se ε > 8L√‖(h, y)‖φ(h, y).
Daı e aplicando o lema de Borel-Cantelli,∑n≥1
P G(bnhc , bnyc) ≥ n(ψ(0, y) + hL+ ε) <∞
⇒ P ∃n0 : ∀n ≥ n0, G(bnhc , bnyc) ≤ n(ψ(0, y) + hL+ ε) = 1
⇒ ψ(h, y)− ψ(0, y) ≤ hL+ 8L√‖(h, y)‖φ(h, y),
quase certamente. A desigualdade acima tende a 0, uniformemente em ‖(x, y)‖ ≤ R,
quando h ↓ 0.
Por outro lado, pela superaditividade, temos
ψ(h, y)− ψ(0, y) ≥ ψ(h, 0) = hψ(1, 0) = hEY ≥ −hL,
que novamente tende a 0 quando h ↓ 0, uniformemente, para todo (x, y).
Corolario 3.2.1. Suponha P (Yi,j < L) = 1, para algum L finito. Entao ψ e contınua em
todo R2+.
3.3 Extensao a distribuicoes ilimitadas 32
Demonstracao. Seja ε > 0 e (x, y) ∈ R2+. Sem perda de generalidade, suponha que (x, y)
tem a coordenada y nula.
Defina a funcao ψ1 ∈ R2+ por ψ1(u) = ψ(u, 0).
Como ψ e concava em R2+, ψ1 e concava em R+, que implica ser contınua no
interior de R+.
Escolha entao δ′ > 0 pequeno o bastante para que, se |h| < δ′, entao
|ψ1(x+ h)− ψ1(x)| < ε,
donde
|ψ(x+ h, y)− ψ(x, y)| < ε. (3.8)
Escolha algum R > ‖(x, y)‖+ δ′. Vamos fixar δ > 0 pequeno o bastante para
que possamos aplicar a conclusao da proposicao 3.2.1 (para nossos L, R e ε escolhidos),
e tambem pequeno o bastante para que ‖(x, y)‖+ δ′ + δ < R.
Tome algum (h1, h2) ∈ R2+ com ‖(h1, h2)‖ ≤ min(δ′, δ) e com (x+h1, y+h2) ∈
R2+. Entao certamente |h1| < δ′ e 0 ≤ h2 ≤ δ.
Podemos aplicar a proposicao 3.2.1 para y = 0. Defina (x, y)(j) = (x + h, 0).
Entao temos∥∥(x, y)(j)
∥∥ < R (pela escolha de R) e y(j) = 0 (pois y = 0), entao todas as
condicoes requeridas da proposicao 3.2.1 se aplicam.
Usando (3.8), obtemos
|ψ(x+ h1, y + h2)− ψ(x, y)| = |ψ(x+ h1, y + h2) + ψ(x+ h1, y)− ψ(x, y)− ψ(x+ h1, y)| ≤
|ψ(x+ h1, y)− ψ(x, y)|+ |ψ(x+ h1, y + h2)− ψ(x+ h1, y)| < 2ε.
Como ε e arbitrario, temos que ψ e contınua em (x, y), como querıamos de-
monstrar.
3.3 Extensao a distribuicoes ilimitadas
Diremos que ξ e um animal de tamanho k se for um subconjunto conexo de Z2
que inclui a origem. Considere Yi,j com distribuicao F ilimitada. Seja A(k) um conjunto
3.3 Extensao a distribuicoes ilimitadas 33
de animais de tamanho k, e defina
N(k) = maxξ∈A(k)
∑(i,j)∈ξ
Yi,j
o peso maximo do animal de tamanho k.
Considere a seguinte proposicao, cuja prova pode ser vista em [7]:
Proposicao 3.3.1. Existe c = c(2) <∞ tal que, para toda F satisfazendo (3.1):
1. ∀k > 1,
EN(k) ≤ ck
∫ ∞0
(1− F (s))1/2ds; (3.9)
2. com probabilidade 1,
lim supk→∞
N(k)
k≤ c
∫ ∞0
(1− F (s))1/2ds. (3.10)
Podemos deduzir entao o seguinte lema para o modelo de percolacao orientada:
Lema 3.3.1. Existe c = c(2) <∞ tal que, para toda F satisfazendo (3.1):
1. ∀(i, j) ∈ Z2+,
EG(m,n) ≤ c ‖(m,n)‖∫ ∞
0
(1− F (s))1/2ds; (3.11)
2. com probabilidade 1,
lim supn→∞
1
nmax
(m,n):‖(m,n)‖≤kG(m,n) ≤ c
∫ ∞0
(1− F (s))1/2ds; (3.12)
3. ∀(x, y) ∈ R2+,
‖(x, y)‖EY ≤ ψ(x, y) ≤ c ‖(x, y)‖∫ ∞
0
(1− F (s))1/2ds. (3.13)
Demonstracao. Note, primeiramente, que se (m,n) ∈ Z2+ e ‖(m,n)‖ = k, entao um
caminho π ∈ Π0((m,n)] e um animal de tamanho k; portanto, G(m,n) ≤ N(k), os
resultados (3.11) e (3.12) seguem imediatamente da proposicao 3.3.1.
Faca (m,n) = (bnxc , bnyc) em 1, dividindo por n e fazendo n → ∞ temos a
cota superior em (3.13).
3.3 Extensao a distribuicoes ilimitadas 34
Para a cota inferior em 3, seja (m,n) ∈ Z2+, e seja π um caminho em Π0((m,n)];
entao |π| = ‖(m,n)‖, e teremos
EG(m,n) = E maxπ∈Π0((m,n)]
∑m,n∈π
Yi,j ≥ E∑i,j∈π
Yi,j = ‖(m,n)‖EY.
Novamente, seja (m,n) = (bnxc , bnyc). Fazendo n → ∞ obtemos a cota
inferior em 3.
Agora introduziremos versoes truncadas de Yi,j.
Definicao 3.3.1. Para L > 0 e (m,n) ∈ Zd+, seja Y(L)i,j = minY (z), L. Assim, seja
G(L)(m,n), (m,n) ∈ Z2+ e ψ(L)((x, y)), (x, y) ∈ R2
+, definidas como as G e ψ conheci-
das, trocando apenas Yi,j por Y(L)i,j .
Lema 3.3.2. Suponha (3.1) e (3.2) satisfeitas. Entao para todo (x, y) ∈ R2+,
ψ(L)(x, y) ≤ ψ(x, y) ≤ ψ(L)(x, y) + c ‖(x, y)‖∫ ∞L
(1− F (s))1/2ds, (3.14)
em que c satisfaz o lema 3.3.1. Logo, para algum R > 0,
sup(x,y)∈R2
+:‖(x,y)‖≤R|ψ(x, y)− ψ(L)(x, y)| → 0, quando L→∞. (3.15)
Demonstracao. Note que 0 ≤ Yi,j − Y (L)i,j ≤ [Yi,j − L]+. Seja (x, y) ∈ R2
+, entao
ψ(x, y)− ψ(L)(x, y) = limn→∞
1
nEG(bnxc , bnyc)− lim
n→∞
1
nEG(L)(bnxc , bnyc)
= limn→∞
1
nE
supπ∈Π((0,0),(bnxc,bnyc))]
∑(i,j)∈π
Yi,j − supπ∈Π((0,0),(bnxc,bnyc))]
∑(i,j)∈π
Y(L)i,j
≤ lim
n→∞
1
nE sup
π∈Π((0,0),(bnxc,bnyc))]
∑(i,j)∈π
Yi,j −∑
(i,j)∈π
Y(L)i,j
= lim
n→∞
1
nE sup
π∈Π((0,0),(bnxc,bnyc))]
∑(i,j)∈π
[Yi,j − L]+
≤ c ‖(x, y)‖
∫ ∞L
(1− F (s))1/2ds;
em que a ultima desigualdade segue do lema 3.3.1. Como as variaveis [Y (z) − L]+, v ∈
Z2+ sao iid cuja funcao distribuicao e F (>L) definida como F (>L)(s) = 0, s ≤ L e
F (>L)(s) = F (s), s > L. Portanto, temos a cota superior em (3.14).
Agora, para finalizar a prova da proposicao 3.1.2:
3.3 Extensao a distribuicoes ilimitadas 35
Demonstracao. Pelo lema anterior, temos
|ψ(L)(x, y)− ψ(x, y)| ≤ c ‖(x, y)‖∫ ∞L
(1− F (s))1/2ds→ 0.
Seja K um compacto em R2+, tal que (x, y) ∈ K. Isso implica que ‖(x, y)‖ < R. Daı,
|ψ(L)(x, y)− ψK(x, y)| ≤ cR
∫ ∞L
(1− F (s))1/2ds
⇒ ψ(L) converge a ψK uniformemente em K ⇒ ψ e contınua em K.
36
4 Algumas formas explıcitas de ψ
Vimos nos capıtulos anteriores a existencia e propriedades da funcao ψ atraves
da definicao de G e do teorema ergodico de Liggett. Porem, nao tratamos de casos em
que a forma explıcita de ψ e conhecida.
Em modelos de percolacao de ultima passagem, ha estudos, para o caso de di-
mensao 2, que consideram o tempo de permanencia no sıtio tendo distribuicao geometrica
ou exponencial. Para ambos os casos, e possıvel encontrar a forma explıcita de ψ.
No fim da secao 2.2 consideramos Yi,j com distribuicao geometrica e mostramos
que o aglomerado de sıtios ocupado ate o tempo t, denominado B(t), e uma cadeia de
Markov. Ja e conhecida uma forma explıcita para o teorema da forma assintotica sob a
condicao de distribuicao geometrica:
P (Yi,j = k) = p(1− p)k, k ∈ Z+ (4.1)
ψ(x, y) = p−1((1− p)x+ (1− p)y + 2√
(1− p)xy) (4.2)
Uma demonstracao deste resultado pode ser vista na secao 2.2 de [10]. Para
o caso em que Yi,j tem distribuicao exponencial com media 1, temos a seguinte forma
assintotica:
P (Yi,j ≤ t) = 1− e−t, t ∈ R+ (4.3)
ψ(x, y) = (√x+√y)2 (4.4)
A demonstracao deste resultado pode ser vista em [9].
4.1 Teorema central do limite para G
Alem dessas formas explıcitas existe um resultado similar ao teorema central
do limite para convergencia fraca de G.
Denotaremos por F (s) a distribuicao acumulada da Tracy-Widom.
4.2 Disposicoes Finais 37
Seja Ai(x) e funcao Airy definida por
Ai(x) =1
2π
∫ ∞−∞
ei(t+is)3/3+ix(t+is)dt, em que s > 0 e arbitrario.
A funcao de distribuicao F (s) pode ser definida usando uma certa funcao Painleve II,
F (s) = exp[−∫ ∞s
(x− s)u(x)2dx],
em que u(x) e a unica solucao da equacao de Painleve II,
u′′
= 2u3 + xu,
com u(x) ≈ Ai(x), quando x→∞.
Aplicaremos o resultado dado em [4] para G considerando os sıtios com distri-
buicao geometrica e exponencial, respectivamente:
Seja P (Yi,j = k) = pqk, k ∈ Z+, q = 1− p e α ≥ 1, entao
limn→∞
n−1EGgeo(p)(n, bnαc) = p−1(1 +√qα)2 − 1 = ψgeo(p)(1, α),
limn→∞
P
[Ggeo(p)(n, bnαc)− nψgeo(p)(1, α)
ogeo(p)(1, α)n1/3≤ s
]= F (s), (4.5)
ogeo(p)(1, α) = p−1(α1/6q−1/6)(√q +√α)2/3(1 +
√qα)2/3. (4.6)
Seja P (Yi,j ≤ t) = 1− e−t, t ∈ R+ e α ≥ 1, entao
limn→∞
n−1EGexp(1)(n, bnαc) = (1 +√α)2,
limn→∞
P
[Gexp(1)(n, bnαc+ an)− n(1 +
√α)2 − dn
n−1/6(1 +√α)4/3α1/3
≤ s
]= F (s). (4.7)
an = O(n1/3), quando n→∞ e dn tal que dn − (1 + 1/√α)an quando n→∞.
Veja a demonstracao destes resultados em [4].
4.2 Disposicoes Finais
Embora se conheca as propriedades de ψ, o problema de se encontrar sua forma
assintotica explıcita ainda e objeto de estudo para pesquisas futuras, afinal, mesmo com
um resultado forte como a convergencia mostrada por Johansson, nao se conhecem formas
explıcitas de ψ alem das citadas neste capıtulo.
Referencias Bibliograficas
[1] BILLINGSLEY, P., Convergence of Probability Measures, Wiley, N.Y., 1968.
[2] DURRET, R., Probability: theory and examples, 4ed., Duxbury Advanced Series,
Brooks/Cole-Thomson, Belmont, CA, 2010.
[3] JAMES, B. R., Probabilidade: um curso intermediario, 3ed., IMPA, Rio de Janeiro,
2010.
[4] JOHANSSON, K., Shape fluctuations and random matrices, Comm. Math. Phys.
209, 437-476, 2000.
[5] LIGGETT, T.M., An improved subadditive ergodic theorem, Ann. Probab. 13, 1279-
1285, 1985.
[6] MARTIN, J.B., Limiting shape for directed percolation models, Ann. Probab. 32, no.
4, 2908-2937, 2004.
[7] MARTIN, J.B., Linear growth for greedy lattice animals, Stochastic Process Appl.
98, 43-66, 2002.
[8] ROCKAFELLER, R.T., Convex Analysis, Princeton Mathematical Series, No. 28,
Princeton University Press, Princeton, N.J., 1970.
[9] ROST, H., Nonequilibrium behaviour of a many particle process: Density profile and
local equilibria, Z. Wahrsch. Verw. Gebiete 58, 41-53, 1981.
[10] SEPPALAINEN, T., Lecture Notes on the Corner Growth Model, University of
Wisconsin-Madison, 2009.
[11] TALAGRAND, M., Concentration of measure and isoperimetric inequalities in pro-
duct spaces, Inst. Hautes Etudes Sci. Publ. Math. 81, 73-205, 1995.