]> Egyszerű véletlen bolyongás
  1. Virtuális laboratóriumok
  2. 10. Bernoulli kísérletek
  3. 1
  4. 2
  5. 3
  6. 4
  7. 5
  8. 6

6. Egyszerű véletlen bolyongás

Alapeljárások

Tételezzük fel, hogy X X 1 X 2 független valószínűségi változóknak egy sorozata, mindegyikük 1 és 1 érétket vesz fel p és 1 p valószínűséggel. Ebben a fejezetben tanulmányozni fogjuk az X -szel kapcsolatos Y Y 0 Y 1 Y 2 részletösszeg folyamatot. Így

Y n i 1 n X i ,  n .

Az Y sorozat egy p paraméterű, véletlen egyszerű bolyongás. Minden lépésnél a véletlen gyalogos (bolyongó) vagy jobbra megy egy egységet p valószínűséggel, vagy balra egy egységet 1 p valószínűséggel. A sétáló ezt úgy valósítja meg, hogy egy (szabálytalan) pénzérmét feldob, amelyik p valószínűséggel esik fejre, ebben az esetben jobbra, ha írásra esik balra lép. A véletlen bolyongás más típusait a Markov láncok fejezetében tanulmányozzuk.

Jelölje μ és σ X egy lépésének várható értékét és szórását Mutassuk meg, hogy

  1. μ 2 p 1
  2. σ 2 4 p 1 p

Legyen I j 12 X j 1 j -ra. Mutassuk meg, hogy I j 1 ha X j 1 és I j 0 ha X j 1 .

Ennélfogva I I 1 I 2 Bernoulli kísérleteknek egy sorozata . A véletlen bolyongással kapcsolatban I j az indikátor változója annak az eseménynek, hogy az i -edik lépés jobbra történik.

Legyen Z n j 1 n I j n -re.

  1. Mutassuk meg, hogy Y n 2 Z n n n -re!
  2. Mutassuk meg, hogy Z n binomiális eloszlású n és p paraméterekkel!

A bolyongással kapcsolatban Z n az első n lépésben a jobbralépések száma.

Felhasználva az előző gyakorlat eredményeit mutassuk meg, hogy Y n sűrűségfüggvénye

Y n k n n k 2 p n k 2 1 p n k 2 ,  k n n 2 n 2 n !

Mutassuk meg, hogy

  1. Y n n 2 p 1 !
  2. Y n 4 n p 1 p !

A szimmetrikus egyszerű bolyongás

Tételezzük fel, hogy p 12 . Ebben az esetben Y Y 0 Y 1 vektorváltozót szimmetrikus, egyszerű bolyongásnak nevezzük. A szimmetrikus egyszerű bolyongást speciális és ügyes kombinatorikai okoskodásokkal tudjuk elemezni.

Mutassuk meg, hogy az X n X 1 X 2 X n véletlen vektor egyenletes eloszlású az S 1 1 n halmazon, és ezért

X n A A 2 n ,  A S

Mutassuk meg, hogy Y n sűrűségfüggvénye:

Y n k n n k 2 1 2 n ,  k n n 2 n 2 n

Mutassuk meg, hogy Y n várható értéke és szórásnégyzete

  1. Y n 0
  2. Y n n

A véletlen bolyongás szimulációban válasszuk meg a végső poziciót. Változtassuk a lépések számát és figyeljük meg a sűrűségfüggvény elhelyezkedését és alakját, valamint a várható érték/standard szórás grafikonját. A paraméter kiválasztott értékeire végezzükel a szimulációt 1000-szer, 10-esével frissítve. Figyeljük meg az empirikus sűrűségfüggvénynek és momentumoknak az elméleti sűrűségfüggvényhez és elméleti momentumokhoz való nyilvánvaló konvergenciáját.

A véletlen bolyongás szimulációban válasszuk meg a végső poziciót és legyen a lépések száma 50. Végezzük el a szimulációt 1000-szer, 10-esével frissítve. Számítsuk ki és hasonlítsuk össze a következőket:

  1. 6 Y 50 10
  2. Az 6 Y 50 10 esemény relatív gyakorisága.
  3. A 6 Y 50 10 valószínűség normális approximációja.

A maximum állapot

Vizsgáljuk meg újra az egyszerű, szimmetrikus véletlen bolyongást. Legyen M n Y 0 Y 1 Y n a maximális helyzet az első n lépés után. Megjegyezzük, hogy M n értékei a 0 1 n halmazból származnak. M n eloszlását a tükrözési elv néven ismert egyszerű és csodálatos ötlet segítségével vezethetjük le.

Mutassuk meg, hogy M n m akkor és csak akkor, ha Y i m valamilyen i 0 1 n -re!

Tételezzük fel, hogy k m n . Mutassuk meg, hogy minden olyan útvonal esetén, amely kielégíti az M n m és az Y n k feltételeket, létezik egy másik útvonal, amely kielégíti az Y n 2 m k feltételeket. Útmutatás: a második útvonalat úgy kapjuk az elsőből, hogy az első útvonalat tükrözzük az y m egyenesre, miután az első útvonal eléri az m értékét.

Felhasználva az előző két gyakorlat eredményeit és azt a tényt, hogy az útvonalak egyformán valószínűek, mutassuk meg, hogy

M n m Y n k Y n 2 m k ,  k m n

Felhasználva az előző gyakorlat eredményét, mutassuk meg, hogy

M n m Y n k Y n 2 m k Y n 2 m 1 k ,  k m n

Felhasználva az előző gyakorlat eredményét, mutassuk meg, hogy n és m 0 1 n esetén

M n m Y n m n m n 2 1 2 n m  és  n   ugyanolyan paritású (mindkettő páros, vagy mindkettő páratlan) Y n m 1 n m n 1 2 1 2 n m  és  n  ellentétes paritású (egyik páros és másik páratlan)

A véletlen bolyongás szimulációjában válasszuk a maximális érték változót. Változtassuk a lépések számát és jegyezzük fel a sűrűségfüggvény elhelyezkedését és alakját, valamint a várható érték/standard szórás grafikonját. Változtassuk a lépések számát 30-ig és végezzük el a szimulációt 1000-szer, 10-esével frissítve a gakoriságot. Vegyük észre a relatív gyakoriságfüggvénynek és empirikus momentumoknak az elméleti sűrűségfüggvényhez és a momentumokhoz való konvergenciáját.

Mutassuk meg, hogy minden n esetén M n sűrűségfüggvénye csökkenő.

A 17. gyakorlat eredménye egy kicsit meglepő; speciálisan, a maximum legvalószínűbb értéke egyedül a 0!

Számítsuk ki M 5 sűrűségfüggvényét, várható értékét és standard szórását.

Egy szabályos pénzérmét 10-szer feldobunk. Adjuk meg annak valószínűségét, hogy a fejek száma és az írások száma közötti különbség sohasem nagyobb, mint 4.

A 0-ba való utolsó lépés - Az utolsó visszatérés a 0-hoz

Vizsgáljuk újra az egyszerű, szimmetrikus bolyongást. A következő témánk a 0-hoz való utolsó visszatérés eloszlásának vizsgálata az első 2 n lépés folyamán:

L 2 n j 0 2 2 n Y j 0 ,  n

Megjegyezzük, hogy mivel a 0-ba való lépés páros sokszor következik be, L 2 n értékeit a 0 2 2 n halmazból veszi. Ez a véletlen változó különös és érdekes eloszlás és mint diszkrét arcus sinus eloszlás ismert. A továbbiakban a levezetésünkben felfedezünk néhány egyéb, érdekes eredményt is.

Mutassuk meg, hogy

L 2 n 2 k Y 2 k 0 Y 2 k 1 0 Y 2 n 0 ,  k 0 1 n

Felhasználva a szimmetriát és az előző gyakorlat eredményét mutassuk meg, hogy

L 2 n 2 k Y 2 k 0 Y 1 0 Y 2 0 Y 2 n 2 k 0 ,  k 0 1 n

Y 2 k eloszlásából jobboldalon levő első tényezőt ismerjük. Így nekünk a második tényezőt kell kiszámítanunk, annak valószínűségét, hogy véletlen bolyongásunk soha nem tér vissza a 0 pontba.

Felhasználva az eredményeket a maximum pozicióra mutassuk meg, hogy

Y 1 0 Y 2 0 Y 2 j 0 M 2 j 0 2 j j 1 2 2 j

Felhasználva a szimmetriát (amely éppen az y 0 egyenesre vonatkozó tükrözési elv), mutassuk meg, hogy

Y 1 0 Y 2 0 Y 2 n 0 2 n n 1 2 2 n

Mutassuk meg, hogy Y 1 0 Y 2 0 Y 2 j 0 Y 1 1 Y 2 1 Y 2 j 1

Felhasználva a szimmetriát, az előző gyakorlat eredményét mutassuk meg, hogy

Y 1 0 Y 2 0 Y 2 j 0 Y 1 1 Y 1 0 Y 2 0 Y 2 j 1 0

Mutassuk meg, hogy Y 2 j 1 0 magába foglalja az Y 2 j 0 egyenlőtlenséget.

Felhasználva az előző gyakorlatok eredményét mutassuk meg, hogy

Y 1 0 Y 2 0 Y 2 j 0 2 j j 1 2 2 j 1

Felhasználva a szimmetriát és az előző gyakorlat eredményét mutassuk meg, hogy

Y 1 0 Y 2 0 Y 2 j 0 2 j j 1 2 2 j

Felhasználva a 22. gyakorlat és a 28. gyakorlat eredményét mutassuk meg, hogy L 2 n sűrűségfüggvénye

L 2 n 2 k 2 k k 2 n 2 k n k 1 2 2 n ,  k 0 1 n

A véletlen bolyongás szimulációban válasszuk valószínűségi változónak a 0-ba való utolsó visszatérés sorszámát, majd változtassuk a lépések számát a görgetősávval. Figyeljük meg a sűrűségfüggvény helyzetét és alakját és a várható érték/standard szórás grafikonját. A paraméter különböző értékei esetén végezzük el a szimulációt 1000-szer, 10-esével frissítve a gyakoriságot és figyeljük meg az empirikus sűrűségfüggvénynek és a momentumoknak az elméleti sűrűségfüggvényhez és a momentumokhoz való nyilvánvaló konvergenciáját.

Mutassuk meg, hogy

  1. L 2 n 2 k L 2 n 2 n 2 k ilymódon a sűrűségfüggvény n -re nézve szimmetrikus.
  2. L 2 n 2 j L 2 n 2 k akkor és csak akkor, ha j k és 2 k n , ilymódon a sűrűségfüggvény u -alakú.

Speciálisan 0 és 2 n a legvalószínűbb értékek. Az arcus sinus eloszlás teljesen meglepő. Mivel egy szabályos pénzérmét dobunk fel annak eldöntésére, hogy a bolyongás merre történjen, könnyen gondolhatjuk, hogy a véletlen bolyongás az idő felében pozitív, a másik felében negatív és hogy gyakran visszatér a 0-ba. De valójában az arcus-sinus törvény magába foglalja, hogy 12 valószínűséggel nem fog visszatérni a 0 pontba a bolyongás második felében, az n 1 és 2 n időpontok között, tekintet nélkül n -re, és az sem ritka, hogy pozitív (vagy negatív) marad az 1-től 2 n -ig terjedő teljes időben.

Számoljuk ki explicit módon L 10 sűrűségfüggvényét, várható értékét és szórásnégyzetét.

A szavazási probléma és az első 0-ba való visszatérés

A szavazási probléma

Tételezzük fel, hogy egy választásban az A jelölt a szavazatot kap és a B jelölt b szavazatot kap, ahol a b . Feltételezve a szavazatok véletlen sorrendjét mekkora annak a valószínűsége, hogy A mindig megelőzi B -t a szavazatok számlálásakor. Ez történetileg egy híres probléma, ami Szavazási probléma néven ismert, és Joseph Louis Bertrand oldotta meg a problémát 1887-ben. A szavazási probléma szoros kapcsolatban van az egyszerű véletlen bolyongással.

Magyarázzuk meg azt a feltevést, hogy a szavazók véletlenszerűen rendezettek egy valódi választáson.

A szavazási probléma megoldható egy egyszerű feltételes valószínűséges okoskodással, hogy megkapjuk a rekurzív relációt. Jelölje f a b annak valószínűségét, hogy A mindig megelőzi B -t a szavazatszámláláskor.

Mutasuk meg, hogy a jelölttel kapcsolatos feltétel, hogy ő kapja az utolsó szavazatot

f a b a a b f a 1 b b a b f a b 1

Felhasználva a kezdő feltételt f 1 0 1 és a szavazók számára ( n a b ) vonatkozó indukciót, mutassuk meg, hogy

f a b a b a b

A szavazási kísérletben, változtassuk az a és b paraméterket és figyeljük meg a szavazási valószínűség változását. A kiválasztott paraméterekre végezzük el a kísérletet 1000-szer, 10-esével frissítve és figyeljük meg a relatív gyakoriságnak az elméleti valószínűséghez való nyilvánvaló konvergnciáját.

Egy választásban egy kisváros polgármestere, Mr. Smith 4352 szavazatot kapott, míg Ms. Jones 7543-at. Számítsuk ki annak valószínűségét, hogy Jones mindig megelőzte Smith polgármestert a szavazatszámláláskor.

A véletlen bolyongással való kapcsolat

Vizsgáljunk újra egy p paraméterű Y egyszerű véletlen bolyongást.

Adott Y n k , mutassuk meg, hogy

  1. Létezik n k 2 lépés jobbra n k 2 lépés balra.
  2. A jobbra és balra lépések minden lehetséges sorrendjének valószínűsége azonos.

Felhasználva az előző gyakorlatot és a szavazási valószínűséget mutassuk meg, hogy k 0 esetén,

Y 1 0 Y 2 0 Y n 1 0 Y n k k n

A szavazási kísérletben, változtassuk az a és b paramétereket és figyeljük meg a szavazási valószínűség változását. A paraméterek kiválasztott értékeire végezzük el a kísérletet 1000-szer, a gyakoriságot 10-esével frissítve és figyeljük meg a relatív gyakoriságnak az elméleti valószínűséghez történő nyilvánvaló konvergenciáját.

Egy amerikai rulettkeréknek 38 nyílása van; 18 piros, 18 fekete és 2 zöld. Fred 1$-t tesz a pirosra és a párosra, ötvenszer, 22-szer nyer és 28-szor veszít. Adjuk meg annak valószínűségét, hogy Fred nettó nyreménye mindig negítív.

A rulett jétékot részletesebben a Szerencsejátékok fejezetben tanulmányozzuk.

Az első nulla eloszlása

Vizsgáljuk újra az egyszerű p paraméterű véletlen bolyongást. Jelölje T a 0-ba való első visszatérés idejét:

T n Y n 0

Megjegyezzük, hogy a 0-ba való visszatérés csak páros időben történhet meg; az is lehetséges, hogy a 0-ba soha nem tér vissza. Így T értékeit a 2 4 halmaból veszi.

Mutassuk meg, hogy

T 2 n T 2 n Y 2 n 0 T 2 n Y 2 n 0 Y 2 n 0

Felhasználva a szavazási problémát, mutassuk meg, hogy

T 2 n Y 2 n 0 1 2 n 1

Felhasználva a két előző gyakorlat eredményét mutassuk meg, hogy

T 2 n 2 n n 1 2 n 1 p n 1 p n ,  n

Fred és Vilma szabályos pénzérmét dobálnak. Fred nyer egy pontot, ha fejet dob, Vilma, ha írást dob. Adjuk meg annak valószínűségét, hogy pontjaik száma egyenlő az első n dobás után az alábbi esetekre: n 2 4 6 8 10 .