Momentum ile rastgele yürüyüş


18

Aşağıdaki koşullarla 0'dan başlayarak tamsayı rastgele bir yürüyüş düşünün:

  • İlk adım eşit olasılıkla artı veya eksi 1'dir.

  • Gelecekteki her adım:% 60'ın bir önceki adımla aynı yönde olması,% 40'ının ters yönde olması muhtemeldir

Bu ne tür bir dağıtım sağlıyor?

Momentum olmayan rastgele bir yürüyüşün normal dağılım sağladığını biliyorum. Momentum sadece varyansı mı, yoksa dağılımın doğasını tamamen mi değiştiriyor?

Genel bir cevap arıyorum, bu yüzden% 60 ve% 40 yukarıda, gerçekten p ve 1-p demek istiyorum


Aslında @Dilip, sıralı çiftler (i,i+1) ve (i,i1) , ile dizinlenmiş durumlara sahip bir Markov zincirine ihtiyacınız var iZ. Geçişler (i,i+1)(i+1,i+1) ve p(i,i1)(i1,i) olasılığıile ( i , i + 1 ) p(i,i+1)(i+1,i) ve(i,i1)(i1,i2) olasılığı1p .
whuber

Adım boyutlarının üzerinde bir Markov zinciri oluşturduğunu {1,+1}ve sabit bir dağıtımda başlattığınızı (?!) unutmayın.
kardinal

Sn=i=1nXn için Xn{1,+1} yürüyüşün adımları olduğu için sınırlayıcı (marjinal) bir dağılım mı istiyorsunuz ?
kardinal

Başka bir yaklaşım, geometrik rastgele değişkenlerin dönüşümlü toplamlarına bakmak ve daha sonra bazı martingal teorisi uygulamak olabilir. Sorun şu ki, zor olabilecek bir tür durma süresi tanımlamanız gerekir.
shabbychef

Yanıtlar:


8

Hemen sonuca atlamak için, "momentum" normal dağılımın, rastgele yürüyüşün dağılımının asimptotik bir yaklaşımı olduğu gerçeğini değiştirmez, ancak varyans den n p / ( 1 - p ) . Bu, bu özel durumda göreceli temel değerlendirmelerle elde edilebilir. Markov zincirleri sonlu durum uzayı için bir CLT'ye aşağıdaki argümanları genelleştirmek çok zor değil, ama en büyük sorun aslında varyansın hesaplanmasıdır. Özellikle problem için bu can4np(1p)np/(1p)ve umarım aşağıdaki argümanlar okuyucuya doğru varyans olduğuna ikna edebilir.

Cardinal bir yorumda sağladığı bilgi kullanılarak, rasgele olarak verilir burada X, k{ - 1 , 1 } ve X k 'nın geçiş olasılığı matrisi ile Markov zinciri meydana ( p 1 - p 1 - p p ) . N olduğunda asimptotik düşünceler için X 1'in ilk dağılımı hiçbir rol oynamaz, bu yüzden düzeltelım

Sn=k=1nXk
Xk{1,1}Xk
(p1p1pp).
nX1X1=1Aşağıdaki argüman uğruna ve ayrıca olduğunu varsayın . Kaygan bir teknik, Markov zincirini bağımsız döngülere ayrıştırmaktır. Let σ 1 anlamında olabildikleri ilk zaman sonra 1, yani 1 olarak Markov zinciri döner, eğer X 2 = 1 daha sonra σ 1 = 2 ve eğer X 2 = x 3 = - 1 ve X 4 = 1 daha sonra σ 1 = 40<p<1σ1X2=1σ1=2X2=X3=1X4=1σ1=4 . Genel olarak, i geri dönüş süresini 1 olarak gösterelim ve τσii ifadearası dönüş süreleriile ( σ 0 = 1 ). Bu tanımlarla,τi=σiσi1σ0=1
  • İle daha sonra S σ n = x 1 + n Σ i = 1 u ı .Ui=k=σi1+1σiXk
    Sσn=X1+i=1nUi.
  • Yana değerini alır - 1 için k = σ i - 1 + 1 , ... , σ i - 1 ve X σ i = 1 burada geçerli U i = 2 - τ i .Xk1k=σi1+1,,σi1Xσi=1
    Ui=2τi.
  • Bir Markov zinciri için geri dönüş süreleri, , iid (resmi olarak güçlü Markov özelliğinden dolayı) ve bu durumda ortalama E ( τ i ) = 2 ve varyans V ( τ i ) = 2 pτiE(τi)=2 . Aşağıdaki ortalama ve varyansın nasıl hesaplanacağı belirtilmiştir.V(τi)=2p1p
  • IID değişkenler verim sıradan CLT bu
    SσnasympN(0,2np1p).
  • σn=1+i=1nτi2n
    SnasympN(0,np1p).

τ1P(τ1=1)=pm2P(τ1=m)=(1p)2pm2X1pZ=1(τ1=1) then 1+X(1Z) has the same distribution as τ1, and it is easy to compute the mean and variance for this latter representation.


+1 nice. I would only have written assymptotic distribution for 1/nSn, to show clearly that CLT applies in the usual way. But that is only the matter of taste.
mpiktas

2

Van Belle's 'Rule of Thumb' 8.7 (from the second edition of his book) includes an approximation for the standard error of the mean when innovations have autocorrelation ρ. Translating this using ρ=2p1 gives

True standard error of x¯p1psn,
where nx¯ is the position of the random walk after n steps, and s is the sample standard deviation (which will be, asymptotically in n, 1x¯2. The upshot is that I expect, as a rough approximation, that the standard deviation of nx¯ should be around np/(1p).

edit: I had the wrong autocorrelation (or rather p should have been interpreted differently); is now consistent (I hope!)


Interesting. I'm not sure that yields anything very sensible for the p=0 subcase; though, that could be due to pathologies associated with that case.
cardinal

@cardinal good catch, the autocorrelation should be ρ=2p1, not 12p. correcting it...
shabbychef
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.