Véletlen bolyongás. Márkus László március 17. Márkus László Véletlen bolyongás március / 31

Hasonló dokumentumok
Lehetséges vizsgálatok III: Szimmetrikus bolyongás Jobbra => +1; Balra => -1 P(jobbra) = P(balra) = ½

Véletlen bolyongás. 2. rész. Márkus László jegyzete alapján Tóth Tamás december 10.

Véletlen szám generálás

Sorozatok és Sorozatok és / 18

0,424 0,576. f) P (X 2 = 3) g) P (X 3 = 1) h) P (X 4 = 1 vagy 2 X 2 = 2) i) P (X 7 = 3, X 4 = 1, X 2 = 2 X 0 = 2) j) P (X 7 = 3, X 4 = 1, X 2 = 2)

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Bevezetés. 1. fejezet. Algebrai feladatok. Feladatok

Yule és Galton-Watson folyamatok

Abszolút folytonos valószín ségi változó (4. el adás)

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Egyváltozós függvények 1.

2. Reprezentáció-függvények, Erdős-Fuchs tétel

12. előadás - Markov-láncok I.

1. Példa. A gamma függvény és a Fubini-tétel.

Biostatisztika. Sz cs Gábor. 2018/19 tavaszi félév. Szegedi Tudományegyetem, Bolyai Intézet

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben

Lineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

Markov-láncok stacionárius eloszlása

A derivált alkalmazásai

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN

Analízis 1. (BSc) vizsgakérdések Programtervez informatikus szak tanév 2. félév

Szinguláris értékek. Wettl Ferenc április 12. Wettl Ferenc Szinguláris értékek április / 35

Függvények folytonosságával kapcsolatos tételek és ellenpéldák

TOVÁBBI FELADATOK A következő feladatok véletlen bolyongásokkal kapcsolatos kérdésekről szólnak.

Szimmetrikus bolyongások. Milotai Zoltán. Prokaj Vilmos egyetemi docens

Gazdasági matematika II. tanmenet

Szinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28

Permutációk véges halmazon (el adásvázlat, február 12.)

Valószín ségszámítás és statisztika

Néhány fontosabb folytonosidejű jel

Funkcionálanalízis. n=1. n=1. x n y n. n=1

Vektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27

Vektorok. Wettl Ferenc október 20. Wettl Ferenc Vektorok október / 36

Gyakorló feladatok az II. konzultáció anyagához

Függvények július 13. f(x) = 1 x+x 2 f() = 1 ()+() 2 f(f(x)) = 1 (1 x+x 2 )+(1 x+x 2 ) 2 Rendezés után kapjuk, hogy:

MBNK12: Permutációk (el adásvázlat, április 11.) Maróti Miklós

Matematika A2 vizsga mgeoldása június 4.

Haladók III. kategória 2. (dönt ) forduló

Határérték. Wettl Ferenc el adása alapján és Wettl Ferenc el adása alapján Határérték és

Valószín ségszámítás és statisztika

Függvények vizsgálata

Obudai Egyetem RKK Kar. Feladatok a Matematika I tantárgyhoz

A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex

Fraktálok. Hausdorff távolság. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék március 14.

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

Sztochasztikus folyamatok

matematikai statisztika október 24.

Centrális határeloszlás-tétel

2. gyakorlat. A polárkoordináta-rendszer

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

Lineáris algebra gyakorlat

Lin.Alg.Zh.1 feladatok

Itô-formula. A sztochasztikus folyamatok egyik legfontosabb formulája. Medvegyev Péter Matematika tanszék

17. előadás: Vektorok a térben

Diszkrét matematika 1. középszint

Analitikus térgeometria

Kalkulus S af ar Orsolya F uggv enyek S af ar Orsolya Kalkulus

1.9. B - SPLINEOK B - SPLINEOK EGZISZTENCIÁJA. numerikus analízis ii. 34. [ a, b] - n legfeljebb n darab gyöke lehet. = r (m 1) n = r m + n 1

NUMERIKUS SOROK I. A feladat ekvivalens átfogalmazása a következő végtelen sok tagú összegnek a meghatározása ) 1 21

Sztochasztikus folyamatok

Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék

Modellek és Algoritmusok - 2.ZH Elmélet

Halmazelméleti alapfogalmak

Számsorok. 1. Definíció. Legyen adott valós számoknak egy (a n ) n=1 = (a 1, a 2,..., a n,...) végtelen sorozata. Az. a n

5. házi feladat. AB, CD kitér élpárra történ tükrözések: Az ered transzformáció: mivel az origó xpont, így nincs szükség homogénkoordinátás

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

A kémiai kötés eredete; viriál tétel 1

Funkcionálanalízis. Gyakorló feladatok március 22. Metrikus tér, normált tér és skalárszorzat tér

Határozatlan integrál

Tartalomjegyzék. Tartalomjegyzék Valós változós valós értékű függvények... 2

Hatványsorok, Fourier sorok

Matematika alapjai; Feladatok

1. feladat Az egyensúly algoritmus viselkedése: Tekintsük a kétdimenziós Euklideszi teret, mint metrikus teret. A pontok

Abszolútértékes egyenlôtlenségek

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév

1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények

Komplex számok. A komplex számok algebrai alakja

Határozatlansági relációk származtatása az

Számítógépes geometria

Gazdasági matematika II. vizsgadolgozat megoldása, június 10

Diszkrét és folytonos idej Markov-láncok. Csiszár Vill

6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Matematika B/1. Tartalomjegyzék. 1. Célkit zések. 2. Általános követelmények. 3. Rövid leírás. 4. Oktatási módszer. Biró Zsolt. 1.

( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!

Matematikai statisztika szorgalmi feladatok

Parciális dierenciálegyenletek

1. tétel - Gráfok alapfogalmai

Készítette: Fegyverneki Sándor

Diszkrét és folytonos paraméter Markov láncok. Csiszár Vill

Markov láncok. jegyzet február 18. Honnan hová lehet eljutni? Hány lépésben? Van-e stacionárius kezdeti eloszlás? Hány?

DiMat II Végtelen halmazok

VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag

Tartalomjegyzék. Typotex Kiadó, 2010

Függvényhatárérték és folytonosság

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

Ortogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41

Átírás:

Márkus László Véletlen bolyongás 2015. március 17. 1 / 31 Véletlen bolyongás Márkus László 2015. március 17.

Modell Deníció Márkus László Véletlen bolyongás 2015. március 17. 2 / 31 Modell: Egy egyenesen (1 dimenziós tér) Lépkedünk el re vagy hátra (diszkrét lépéseket) Minden lépés független az el z t l P(el re) = p, P(hátra) = q Véletlen folyamatokra nézve tipikus viselkedés Példa: Mikroszkópikus zikai folyamatok Numerikus közelítés: diszkrét eseményekként kezelve Részecske mozgása - véletlen ütközések, impulzusok Folyadék/légnem anyag: diúzió

Modell Alesetek Márkus László Véletlen bolyongás 2015. március 17. 3 / 31 Elnyel falú bolyongás: Egy vagy mindkét irányban deniálunk egy határt Határ elérése/átlépése esetén terminál a folyamat Példa: Szerencsejáték Egyoldali elnyel falú bolyongás: Játékos pénze 0-ra csökken (tönkrement) Kétoldali elnyel falú bolyongás: Mindkét játékos pénze véges

Modell Alesetek Márkus László Véletlen bolyongás 2015. március 17. 4 / 31 Szimmetrikus bolyongás: Egy számról indulunk (pl.: 0) El re = +1, Hátra = 1 P(El re) = P(Hátra) = 1 2 Lépések: X 1, X 2,... függetlenül egymástól { +1 1 2 eséllyel X i = 1 1 2 eséllyel 0-ból indulva a lépések összege: S n = n X i i=1

Modell Alesetek Márkus László Véletlen bolyongás 2015. március 17. 5 / 31

Modell Eloszlás Márkus László Véletlen bolyongás 2015. március 17. 6 / 31 Eloszlás: S k eloszlása: P (S k = i) = N k,i 2 k N k,i : origóból k lépés alatt az i-be vezet utak száma N k,i k páros k páratlan i páros i páratlan 0 Magyarázat: ( k k+i 2 ) 0 ( ) k k+i 2 k+i 2 lépés i irányába tetsz leges sorrendben k i 2 lépés ellentétes irányba tetsz leges sorrendben k+i 2 + k i 2 = i

Jellemz k - visszatérések 1 Nullába visszatérés Márkus László Véletlen bolyongás 2015. március 17. 7 / 31 Nullába visszatérés valószín sége: Csak páros lépésben térhet vissza A visszatérés valószín sége: u 2n = P = (S 2n = 0) = 1 2 2n ( 2n n A becslés Stirling formulából: n! ( n e ) n 2πn, innen ( ) 2n n n2n 22n ( e 2n n ) n ( n e e 2π2n ) n = 22n 2πn 2πn πn ) 1 πn

Jellemz k - visszatérések 1 Nullába vissza nem térés Márkus László Véletlen bolyongás 2015. március 17. 8 / 31 Nullába egyszer sem térünk vissza 2n lépésb l: P (S 1 0, S 2 0,..., S 2n 0) = = 2 P (S 1 > 0, S 2 > 0,..., S 2n > 0) = n = 2 P (S 1 > 0, S 2 > 0,..., S 2n 1 > 0, S 2n = 2r) = 2 n P (A r ) r=1 r=1 A r : 0-ból indulva végig a pozitív oldalon maradva 2r-be jut Valószín ség kiszámítása: tükrözési elvvel B r : 0-ból pozitív irányban indulva 2r-be jut B r A r = {S 1 = 1} {S 2n = 2r} P (S 1 = 1, S 2n = 2r) = 1 2 P (S 2n 1 = 2r 1) = 1 2 N 2n 1,2r 1 2 2n 1

Jellemz k - visszatérések 1 Nullába vissza nem térés Márkus László Véletlen bolyongás 2015. március 17. 9 / 31

Jellemz k - visszatérések 1 Nullába vissza nem térés Márkus László Véletlen bolyongás 2015. március 17. 10 / 31 P (B r )-hez a jó utak száma: Az els, tengelyt érint ponttól tükrözzük az utat a tengelyre Kölcsonösen egyértelm megfeleltetés a jó utak és tükrözött utak között: P (B r ) = P (S 1 = 1, S 2n = 2r) = 1 2 P (S 2n 1 = 2r + 1) = = 1 N 2n 1,2r+1 2 2 2n 1 P (A r ) = N 2n 1,2r 1 N 2n 1,2r+1 2 2n 2 n r=1 teleszkópos összeg {}}{ n P (A r ) = 2 N 2 2n 2n 1,2r 1 N 2n 1,2r+1 = r=1 = 1 (N 2 2n 1 2n 1,1 N 2n 1,2n+1 ) = N 2n 1,1 2 2n 1 = P (S 2n = 0) = P (S 1 0, S 2 0,..., S 2n 0) ( 2n 1 ) n 2 2n 1 = ( 2n n ) 2 2n = u 2n

Jellemz k - visszatérések 1 Els visszatérés Els visszatérés 0-ba {2n-ikre térünk vissza el ször} = {2n lépés során valamikor járunk a 0-ban} \ {2n-2 lépés során valamikor járunk 0-ban} P({2n során valamikor 0}) = 1 P ({2n alatt sohasem 0}) = 1 u 2n P 2n = P({2n-ikre el ször 0}) = 1 u 2n (1 u 2n 2 ) = u 2n 2 u 2n = 1 n 1 u 2n, u 0 = 1 Márkus László Véletlen bolyongás 2015. március 17. 11 / 31

Jellemz k - visszatérések 1 Valaha visszatérés Márkus László Véletlen bolyongás 2015. március 17. 12 / 31 Valaha visszatérünk: P ( n : S n = 0) P(Valaha vissza) = P( 2n-ikre el ször vissza) = n=1 = f 2n = u 2n 2 u 2n = u 0 = 1 n=1 n=1 A bolyongás 1 valószín séggel visszatér

Jellemz k - visszatérések 2 Generátorfüggvények Márkus László Véletlen bolyongás 2015. március 17. 13 / 31 Generátorfüggvényes módszer a visszatér ség bizonyítására általánosságban Lépések: X 1, X 2,... független, azonos eloszlású egész érték valószín ségi változók S 0 = 0, S n = X 1 +... + X n, azaz S n a mozgó pont helyzete u n = P (S n = 0), U(z) = u n z n az u n sorozat n=0 generátorfüggvénye, u 0 = 1 f n = P (S 1 0, S 2 0,..., S n 1 0, S n = 0) az n lépés utáni els visszatérés valószín sége F (z) = f n z n az f n sorozat generátorfüggvénye n=1 (f 1 = P (S 1 = 0))

Jellemz k - visszatérések 2 Generátorfüggvények Márkus László Véletlen bolyongás 2015. március 17. 14 / 31 Bizonyítás Ekkor u n = P(n lépés után visszatérünk) = n P (S k = 0, S n = 0, S i 0 : i { {1,..., n 1} \ {k} } = k=1. = n f k u n k k=1 Ebb l a generátorfüggvényekre: Így P ( n : S n = 0) = U(z) = 1 + F (z)u(z) F (z) = 1 1 U(z) n=1 f n = F (1) = 1 1 U(1)

Jellemz k - visszatérések 2 Állítások Márkus László Véletlen bolyongás 2015. március 17. 15 / 31 Állítás: A bolyongás 1 valószín séggel visszatér u n = Bizonyítás: n=0 1 Az el z ek szerint F (1) = 1 kell, és ez U(1) = 0, azaz U(1) = esetén lehet pontosan. De U(1) = u n és ez adja az állítást. n=0

Jellemz k - visszatérések 2 Állítások Márkus László Véletlen bolyongás 2015. március 17. 16 / 31 Állítás: Az asszimetrikus bolyongás nem visszatér Bizonyítás: 2n lépésenként lehetséges a visszatérés A lépések: X i = { +1 p 1 q(= 1 p) Ekkor u 2n = ( ) 2n n p n q n (szimmetrikusra p = q = 1 2 ) Stirling: ( ) 2n n 1 πn 2 2n Így u 2n konvergens vagy divergens 1 πn (4pq) n konvergens vagy divergens n=1 Az x(1 x) = x 2 + x polinomnak x = 1 2-nél maximuma van, ez 1 4, ezért pq 1 4, egyenl ség csak szimmetrikus esetben állhat.

Jellemz k - visszatérések 2 Állítások Márkus László Véletlen bolyongás 2015. március 17. 17 / 31 szimmetrikus esetben 4pq = 1, u n divergens aszimetrikus esetben p q => 4pq < 1 n=0 u n n=1 n=0 n=1 1 πn 4pq n < 1 πn = sor n=1 4pq n <

Jellemz k - visszatérések 2 Többdimenziós bolyongások visszatérhet sége Márkus László Véletlen bolyongás 2015. március 17. 18 / 31 Többdimenziós bolyongások (szimmetrikus eset): Síkrács/térrács/r-dimenziós rács A bolygó pont egyenl valószín séggel lép egységnyit a 4/6/2r irány valamelyikébe. Origóba visszatérés: minden koordinátatengely irányában ugyanannyi lépést tesz el re és hátra.

Jellemz k - visszatérések 2 Többdimenziós bolyongások visszatérhet sége Márkus László Véletlen bolyongás 2015. március 17. 19 / 31 Többdimenziós bolyongások (folytatás) u (r) 2n = 1 (2n)! (2r) 2n u 1 +...+u r=n (u 1! u 2!... u r!) 2 ( 2n ) 2 [( 2n )] 2 ( ) 2 dimenzióban: u (2) 2n = n 4 2n = n 1 2 2 2n = 1 πn πn r 3 dimenzióban már összeg, u (r) 2n 1 ( r 2 r 1 πn u (2) 2n 1 πn = ) r 2 így 2 dimenzióban: n=0 u=1 r 3 dimenzióban a bolyongás nem visszatér. = const ( ) r 1 2 n

Jellemz k - visszatérések 2 Többdimenziós bolyongások visszatérhet sége Márkus László Véletlen bolyongás 2015. március 17. 20 / 31 Tétel: Pólya György A szimmetrikus bolyongás 1 és 2 dimenzióban 1 valószín séggel visszatér, míg 3 vagy több dimenzióban 1-nél kisebb valószín séggel tér vissza.

Jellemz k - visszatérések 2 Utolsó visszatérés Utolsó visszatérés: 2n lépés (véletlen id pont) megtétele után mikor jártunk utoljára 0-ban T 2n = max{2k : 0 k n, S 2k = 0} T 2n = 0 ha 2n lépés alatt még nem tértünk vissza egyszer sem Legyen α 2k,2n = P (T 2n = 2k) α 2n,2k = P (S 2k = 0, S 2k+1 0,..., S 2n 0) = u 2k u 2n 2k (0-ba visszatérés és 0-ba vissza nem térés pontokból következik) Márkus László Véletlen bolyongás 2015. március 17. 21 / 31

Jellemz k - visszatérések 2 Utolsó visszatérés Márkus László Véletlen bolyongás 2015. március 17. 22 / 31 Utolsó visszatérés (folytatás) n P (T 2n = 2k) = 1 k=0 n P (T 2n = 2k) = n u 2k u 2n 2k = 1 k=0 k=0 U(z) = u 2n z n : n=0 U(z) U(z) = n u 2k u 2n 2k z n = 1 + z + z 2 +... = 1 1 z n=0 k=0 U(z) = (1 z) 1 2

Jellemz k - egyebek Pozitív oldalon tett lépések Márkus László Véletlen bolyongás 2015. március 17. 23 / 31 Pozitív oldalon tett lépések Szerencsejáték analógia: hányszor vezet a játékos Bolyongó részecske a pozitív oldalon van: S k > 0 (S k = 0 S k 1 > 0) Legyen z 2n a 2n lépés során a pozitív oldalon tett lépések száma. Legyen π 2k,2n = P (z 2n = 2k) = P(2n lépésb l 2k a pozitív oldalon) π 2k,2n = k P (felfelé indul, az els visszatérés 2r-ben, z 2n = 2k)+ + n k r=1 = k r=1 r=1 P (lefelé indul, az els visszatérés 2r-ben, z 2n = 2k) = 1 2 f 2r π 2k 2r,2n 2r + n k 1 2 f 2r π 2k,2n 2r r=1

Jellemz k - egyebek Pozitív oldalon tett lépések Márkus László Véletlen bolyongás 2015. március 17. 24 / 31 Állítás: π 2k,2n = u 2k u 2n 2k = α 2k,2n Bizonyítás: Csak az els egyenl séget kell n szerinti indukcióval: Tegyük fel, hogy n 1-ig igaz, ekkor n-re a fenti rekurzió: π 2k,2n = 1 2 u k 2n 2k f 2r u 2k 2r + 1 2 u 2k n k f 2r u 2n 2k 2r r=1 k f 2r u 2k 2r = u 2k, r=1 n k r=1 r=1 f 2r u 2n 2k 2r = u 2n 2k

Jellemz k - egyebek Arcsin törvény Márkus László Véletlen bolyongás 2015. március 17. 25 / 31 Arcsin törvény: Vizsgáljuk a pozitív oldalon tett lépések arányát: Valószín ségi változó, értékkészlete: [0, 1] Kérdés: határeloszlása, n : lim P (a < z 2n n 2n b), 0 a < b < 1 P (a z 2n 2n < b) = π 2k,2n = u 2k u 2n 2k a k n <b a k n <b az u 2n -re vonatkozó aszimptotikából (itt precízebben kellene): 1 = 1 1 πk π(n k) a k n <b b 1 = [ 2 π x(1 x)dx π arcsin x ] b a a k n <b π k n(1 n) k n a z 2n 2n valószín ségi változók eloszlása 2 π arcsin( x), (0, 1) tartományban (Konvergencia igaz a, b-re, így a variációs távolságban is) z 2n 2n

Jellemz k - egyebek Arcsin törvény Márkus László Véletlen bolyongás 2015. március 17. 26 / 31 S r ségfüggvénye (0, 1)-ben: Minimum 1 2 -nél Maximumok: 0, 1 π 2k,2n = α 2k,2n T 2n 2n Valószín, hogy 1 1 π x(1 x) -nek is ugyanez a határeloszlása vagy nemrég jártunk 0-ban vagy csak az elején jártunk 0-ban, azóta nem Legkevésbé valószín, hogy az út felénél jártunk 0-ban

Jellemz k - egyebek Arcsin törvény Márkus László Véletlen bolyongás 2015. március 17. 27 / 31

Jellemz k - egyebek Origótól távolság Origótól vett távolság n lépés után: M n = max{s 0, S 1,..., S n } Állítás: P (M n r, S n = k) = P (S n = 2r k)(0 r k) Bizonyítás: Tükrözési elvvel r szint els elérését l tükrözünk Kell: {r szintet elér vagy meghaladó, k-ban végz d n hosszú utak} = {2r-k-ban végz d utak} Köztük a megfeleltetés kölcsönösen egyértelm számuk egyenl valószín ségeik is Márkus László Véletlen bolyongás 2015. március 17. 28 / 31

Jellemz k - egyebek Origótól távolság Márkus László Véletlen bolyongás 2015. március 17. 29 / 31

Jellemz k - egyebek Origótól távolság Márkus László Véletlen bolyongás 2015. március 17. 30 / 31 Origótól távolság (folytatás) Következmény: Megadhatjuk P(M n r)-t P (M n r) = P (M n r, S n r) + P (M n r, S n r 1) Els tag: (S n r M n )r P (M n r, S n r) = P (S n r) Második tag: P (M n r, S n r 1) = r 1 P (M n r, S n = k) k=2r n r szintet eléri a bolyongás r-et lépés felfelé, n-r lefelé max 2r-n-ig süllyed innen k r 1 k=2r n n m=r+1 P (M n r, S n = k) = P (S n = m) = P (S n r + 1) r 1 k=2r n P (M n r) = P (S n r) + P (S n r + 1) P (S n = 2r k) =

Jellemz k - egyebek Origótól távolság Márkus László Véletlen bolyongás 2015. március 17. 31 / 31 Origótól távolság (utolsó) Következmény: P (M n = r) = P (M n r) P (M n r + 1) = = P (S n r) + P (S n r + 1) P (S n r + 1) P (S n r + 2) = = P (S n = r) + P (S n = r + 1) Ebb l a két tagból csak egyik nem 0