선형 함수 근사(Linear function approximation)를 이용한 시간차(Temporal-difference, TD) 학습은 정책 평가(Policy evaluation)를 위한 핵심 방법입니다. 이의 고전적인 연속 시간(Continuous-time) 기술은 상미분 방정식(Ordinary differential equation, ODE)으로, 이는 점근적 평균 역학(Asymptotic mean dynamics)을 포착하지만 오차 하한(Error floor)을 결정하는 확률적 변동(Stochastic fluctuations)은 무시합니다. 우리는 마르코프 노이즈(Markovian noise) 하에서의 선형 TD(0)에 대한 확률 미분 방정식(Stochastic differential equation, SDE) 근사를 도입합니다. 결과적으로 도출된 모델은 투영된 벨만 연산자(Projected Bellman operator)에 의해 지배되는 수축 역학(Contraction dynamics)과 마르코프 샘플링(Markovian sampling)의 영향력을 구분합니다. 그 결과, 이 모델은 마르코프 장기 공분산(Markovian long-run covariance)과 투영된 벨만 연산자의 수축 기하학(Contraction geometry) 사이의 상호작용을 통해 상수 단계 크기(Constant-stepsize) 오차 하한을 설명합니다.