दो यादृच्छिक रास्ते जो जुड़े हुए लगते हैं
1926 में यूल ने कुछ परेशान करने वाली बात देखी: पूरी तरह स्वतंत्र काल-श्रेणियाँ बड़े सहसंबंध दिखा सकती हैं। यूल ने इसे “निरर्थक सहसंबंध” (nonsense correlation) कहा। यादृच्छिक भ्रमणों — यादृच्छिक क़दमों को एक के बाद एक जोड़कर बने अनुक्रमों — के साथ किए गए उन प्रयोगों ने ऐसे सहसंबंध दिखाए जो स्वतंत्र नमूनों से अपेक्षित फैलाव से कहीं ज़्यादा बिखरे थे। बाद के काम ने सिद्ध किया कि ये भ्रामक सहसंबंध श्रेणियों के लंबे होने पर दूर नहीं होते।
चीन के रेनमिन विश्वविद्यालय के सांख्यिकी और बिग डेटा संस्थान के Liping Zhu और Zhongming Xie ने पूछा कि क्या यह समस्या एक ज़्यादा आधुनिक उपकरण के सामने भी टिकी रहती है।
एक माप जिसे धोखा नहीं खाना चाहिए
साधारण (पियर्सन) सहसंबंध केवल सीधी-रेखा वाले संबंध पकड़ता है। 2007 में Székely और सहयोगियों द्वारा वर्णित दूरी सहसंबंध ज़्यादा महत्वाकांक्षी है: दो यादृच्छिक चरों के लिए यह शून्य होता है यदि और केवल यदि वे स्वतंत्र हों, उनके संबंध का आकार चाहे जो हो। यह हमेशा 0 और 1 के बीच रहता है।
पर यह गारंटी मानकर चलती है कि डेटा स्वतंत्र रूप से निकाले गए हैं। यादृच्छिक भ्रमणों की एक जोड़ी अलग है। हर क़दम भ्रमण के बाद के हर मान को प्रभावित करता है, इसलिए क्रमिक प्रेक्षण अपना अतीत साझा करते हैं, और उनका फैलाव समय के साथ बदलता रहता है। सिमुलेशन पहले ही स्वतंत्र यादृच्छिक भ्रमणों के बीच बड़े दूरी सहसंबंध दिखा चुके थे, जिनका कारण पहले के लेखकों ने भ्रमणों की क्रमिक निर्भरता और बदलते फैलाव को बताया था; जो कमी थी, वह उनकी सीमा का सिद्धांत था।
0 और 1 के बीच सख़्ती से स्थित एक सीमा
लेखक सिद्ध करते हैं कि भ्रमणों के लंबे होने पर दूरी सहसंबंध शून्य तक नहीं सिकुड़ता। सीमित प्रसरण वाले स्वतंत्र, समान रूप से वितरित क़दमों वाले किसी भी भ्रमण के लिए यह दो ब्राउनियन पथों, यानी यादृच्छिक भ्रमणों की सतत सीमा, द्वारा दिए गए एक यादृच्छिक मान की ओर अभिसरित होता है। वह सीमा सार्वत्रिक है — यह इस पर निर्भर नहीं करती कि क़दम कैसे वितरित हैं — और 0 और 1 के बीच सख़्ती से रहती है, उस पूरे दायरे में मान लेती हुई। इसलिए आपकी पसंद की किसी भी दहलीज़, मान लीजिए 0.3, से ऊपर सहसंबंध देखने की संभावना कभी शून्य नहीं होती।
कुंजी यह देखना है कि पथों की जोड़ी, एक साझा क्षण पर नमूना लेने पर, हर क्षेत्र में कितना समय बिताती है। दो प्रक्रियाएँ अलग-अलग साकारों (realisations) में स्वतंत्र हो सकती हैं, जबकि एक अकेली साकार जोड़ी, समय के साथ देखी जाए, तो फिर भी संबंध का एक पैटर्न दिखाती है।
सिमुलेशन: 0.5 पर अटका
टीम ने 50 से 5,000 क़दमों तक की हर लंबाई के लिए गाउसीय क़दमों वाले स्वतंत्र भ्रमणों की 2,000 जोड़ियों का सिमुलेशन किया। ख़ुद क़दमों के लिए दूरी सहसंबंध अपेक्षा के अनुसार फीका पड़ता है: 50 पर 0.244 से 5,000 पर 0.025 तक। ठीक उन्हीं क़दमों से बने भ्रमणों के लिए यह हर लंबाई पर लगभग 0.5 पर रहता है।
5,000 क़दमों पर भ्रमण-जोड़ियों का बीच वाला 90% हिस्सा 0.215 से 0.844 तक फैला था, और 2,000 में से 1,644 जोड़ियाँ — 82% — 0.3 से ऊपर गईं। लेखक ज़ोर देते हैं कि 0.5 के पास का मान एक अनुभवजन्य खोज है, कोई सिद्ध स्थिरांक नहीं।

(a) यादृच्छिक भ्रमणों (ठोस रेखा) और उनके स्वतंत्र क़दमों (खंडित) के लिए औसत दूरी सहसंबंध, 5–95% पट्टियों के साथ, प्रेक्षणों की संख्या के विरुद्ध। (b) 100, 1,000 और 5,000 क़दमों के लिए भ्रमण-सहसंबंधों का वितरण; चिह्नित बिंदु दिखाता है कि 5,000 क़दमों पर उनमें से 17.8% 0.3 से ज़्यादा नहीं होते। — चित्र 1, Zhu & Xie (2026), arXiv:2611.16614.
वह परीक्षण जो हमेशा “भेड़िया आया” चिल्लाता है
दूरी सहसंबंध से स्वतंत्रता परखने का मानक तरीक़ा फेरबदल है: एक श्रेणी के समय-क्रम को कई बार उलट-पुलट करना और देखना कि क्या असली मान अलग से उभरता है। लेखक सिद्ध करते हैं कि यादृच्छिक भ्रमणों के लिए यह परीक्षण, चुना गया त्रुटि-स्तर चाहे जो हो, 1 की ओर जाती प्रायिकता के साथ स्वतंत्रता को अस्वीकार करता है।
सिमुलेशन सहमत हैं। सामान्य 5% स्तर पर फेरबदल परीक्षण ने 100 क़दमों वाली स्वतंत्र भ्रमण-जोड़ियों में से 94% के लिए ग़लती से संबंध घोषित किया, और 500 तथा 2,000 क़दमों वाली सभी 300 जोड़ियों के लिए भी। ख़ुद स्वतंत्र क़दमों के लिए इसने लगभग 5% बार ग़लती की, जैसा होना चाहिए। फेरबदल उस समय-क्रम को नष्ट कर देता है जो भ्रमण अपने साथ लिए चलते हैं, इसलिए वह एक ऐसा संदर्भ बनाता है जो स्वतंत्र भ्रमणों का वर्णन नहीं करता।
स्तर या क़दम?
अध्ययन सीमा पर वर्ग दूरी सहप्रसरण का एक सटीक औसत भी निकालता है, 26/(75π) − 1/12, लगभग 0.0270, जिसे सिमुलेशन लगभग एक मानक त्रुटि के भीतर दोहराते हैं।
लेखक एक सावधान सबक़ निकालते हैं। यह पूछना कि क्या दो प्रक्रियाएँ आश्रित हैं, यह पूछने जैसा नहीं है कि क्या पथों की एक प्रेक्षित जोड़ी समय के साथ संबद्ध है। क्रमिक मानों के बीच अंतर लेने से स्वतंत्र क़दम वापस मिल जाते हैं, पर तब परीक्षण क़दमों के बारे में होता है, स्तरों के बारे में नहीं — एक अलग प्रश्न। बहकते, अस्थिर (non-stationary) डेटा के लिए एक वैध परीक्षण को उनकी समय के साथ निर्भरता को अपने संदर्भ में शामिल करना होगा, और ऐसा परीक्षण बनाना एक अलग समस्या है जिसे यह शोधपत्र हल नहीं करता।
