Laboratorio virtuale > Random Walk > [1] 2 3 4
Supponiamo che X1, X2, ... siano variabili casuali a valori reali, indipendenti e identicamente distribuite, con funzione di densità f, media µ e varianza d2. La somma parziale n-esima è la variabile casuale
Yn = X1 + X2 + ··· + Xn.
Il processo stocastico Y0, Y1, Y2 ... è detto random walk (passeggiata aleatoria). Tale termine deriva dal fatto che possiamo pensare gli Yn come posizioni al tempo n di un passeggiatore che fa passi casuali successivi X1, X2, .... Il grafico dei valori di Yn in funzione di n è detto sentiero del random walk.
Le variabili indipendenti e identicamente distribuite e le loro somme parziali sono state analizzate in molti altri capitoli di questo progetto. I seguenti fatti sono alcuni tra i più importanti che dovresti riguardare:
1. Mostra che Xi = Yi - Yi - 1 per i = 1, 2, .... Pertanto il processo X1, X2, ... e il processo Y0, Y1, Y2 ... contengono la stessa informazione, ma in maniere diverse.
Siamo particolarmente interessati a un caso particolare:
Supponiamo che, per ogni i, Xi assuma valori 1 e -1 con probabilità, rispettivamente, p e 1 - p. In questo caso Y0, Y1, Y2... è detto random walk semplice con parametro p. Per ciascun passo, il passeggiatore si muove o di un'unità a destra (con probabilità p) o di un'unità a sinistra (con probabilità 1 - p). Il passeggiatore, ad esempio, può scegliere la direzione lanciando una moneta con probabilità di testa p ad ogni passo.
2. Prova che, per ogni i,
3. Sia Ij = (Xj + 1) / 2 per ogni j.
In termini del passeggiatore, Ij è la variabile indicatore dell'evento in cui l'i-esimo passo è a destra.
4. Sia Zn = I1 + I2 + ··· + In.
In termini del passeggiatore, Zn è il numero di passi a destra nei primi n passi.
5. Usa i risultati degli esercizi precedenti per mostrare che
6. Calcola esplicitamente funzione di densità, media e varianza di Y5.
7. Si lancia dieci volte una moneta con probabilità di testa p = 3/4. Trova la probabilità che ci siano almeno 4 teste in più rispetto alle croci.
Consideriamo di nuovo il contesto descritto in precedenza, ma supponiamo che p = 1/2. In questo caso, Y0, Y1, Y2 ... è detto random walk semplice simmetrico. Il random walk simmetrico può essere analizzato utilizzando alcuni risultati del calcolo combinatorio, come faremo poco più avanti.
8. Mostra che il vettore aleatorio Xn = (X1, X2,
..., Xn) è distribuito uniformemente
su
Pertanto, P(Xn
A) = #(A) / 2n per A
9. Prova che
10. Nell'applet random walk, seleziona la variabile ultimo valore. Modifica il numero di passi e osserva forma e posizione della funzione di densità e della barra media/deviazione standard. Poni il numero di passi a 30 e simula 1000 replicazioni, aggiornando ogni 10. Osserva la convergenza delle densità e dei momenti empirici ai loro valori teorici.
11. Nell'applet random walk, seleziona la variabile ultimo valore e poni il numero di passi a 50. Simula 1000 replicazioni, aggiornando ogni 10 e calcola e confronta le seguenti quantità: