O procesie Wienera. O procesie Wienera. Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Proces Wienera. Ruch Browna. Ułamkowe ruchy Browna

Podobne dokumenty
2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

Wykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)

Prawdopodobieństwo i statystyka

Zadania ze Wstępu do Analizy Stochastycznej 1. = 0 p.n.

Prawdopodobieństwo i statystyka

Stochastyczne równania różniczkowe, studia II stopnia

Zadania z Procesów Stochastycznych 1

Procesy stochastyczne 2.

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

Procesy stochastyczne

Prawdopodobieństwo i statystyka

Teoria ze Wstępu do analizy stochastycznej

8 Całka stochastyczna względem semimartyngałów

Fizyka statystyczna Równanie Fokkera-Plancka

Procesy stochastyczne

Stochastyczne równania różniczkowe, model Blacka-Scholesa

Prawdopodobieństwo i statystyka

Fizyka statystyczna Równanie Fokkera-Plancka. P. F. Góra

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Ważne rozkłady i twierdzenia c.d.

Wykład 1 i 2. Termodynamika klasyczna, gaz doskonały

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Superdyfuzja. Maria Knorps. Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska

Statystyka i eksploracja danych

Statystyka i eksploracja danych

Fale biegnące w równaniach reakcji-dyfuzji

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:

Wykład 3 Jednowymiarowe zmienne losowe

PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω)

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

Twierdzenia graniczne fluktuacji procesów przebywania dla układów gałazkowych

Tydzień nr 9-10 (16 maja - 29 maja), Równania różniczkowe, wartości własne, funkcja wykładnicza od operatora - Matematyka II 2010/2011L

Teoria kinetyczna gazów

Ważne rozkłady i twierdzenia

Statystyka matematyczna

Prawdopodobieństwo i statystyka

}, gdzie a = t (n) )(f(t(n) k. ) f(t(n) k 1 ) 1+δ = 0,

21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

Prognozowalne kryterium całkowalności według A. N. Shiryaeva i A. S. Cherny ego Joanna Karłowska-Pik. Historia

Równanie przewodnictwa cieplnego (I)

Ważną rolę odgrywają tzw. funkcje harmoniczne. Przyjmujemy następującą definicję. u = 0, (6.1) jest operatorem Laplace a. (x,y)

N ma rozkład Poissona z wartością oczekiwaną równą 100 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach:

MODELE STOCHASTYCZNE Plan wykładu

4 Kilka klas procesów

1.1 Przegląd wybranych równań i modeli fizycznych. , u x1 x 2

Wykład 3 Zjawiska transportu Dyfuzja w gazie, przewodnictwo cieplne, lepkość gazu, przewodnictwo elektryczne

Matematyka ubezpieczeń majątkowych r.

r u du. Proces wartości aktywów firmy V. Proces bariery v wykorzystywany do zdefiniowania defaultu. moment defaultu τ.

Wykład 8 i 9. Hipoteza ergodyczna, rozkład mikrokanoniczny, wzór Boltzmanna

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

Przegląd termodynamiki II

1. BILANSOWANIE WIELKOŚCI FIZYCZNYCH

Statystyka matematyczna. Wykład III. Estymacja przedziałowa

Wykład 11: Martyngały: definicja, twierdzenia o zbieżności

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe

5. Analiza dyskryminacyjna: FLD, LDA, QDA

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

Równania różniczkowe zwyczajne analityczne metody rozwiazywania

Wycena opcji Dynamika cen akcji: ds(t) = as(t)dt + σs(t)dw (t)

F t+ := s>t. F s = F t.

Lista 1. Procesy o przyrostach niezależnych.

Układy statystyczne. Jacek Jurkowski, Fizyka Statystyczna. Instytut Fizyki

Statystyka i eksploracja danych

Prawdopodobieństwo i statystyka

Metody probabilistyczne

Prawa wielkich liczb, centralne twierdzenia graniczne

Prawdopodobieństwo i statystyka

Matematyka ubezpieczeń majątkowych r.

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27

Modelowanie ryzyka kredytowego Zadania 1.

RÓWNANIA RÓŻNICZKOWE WYKŁAD 4

Spacery losowe generowanie realizacji procesu losowego

Wstęp do rachunku prawdopodobieństwa. Cz. 1 / William Feller. wyd. 6, dodr. 4. Warszawa, Spis treści

WYKŁAD 12 ENTROPIA I NIERÓWNOŚĆ THERMODYNAMICZNA 1/10

Równania różniczkowe. Notatki z wykładu.

- prędkość masy wynikająca z innych procesów, np. adwekcji, naprężeń itd.

Biostatystyka, # 3 /Weterynaria I/

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa

Termodynamika. Część 12. Procesy transportu. Janusz Brzychczyk, Instytut Fizyki UJ

Zagadnienia stacjonarne

Zagadnienia brzegowe dla równań eliptycznych

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek

AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA

WYKŁAD 6. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki

r. akad. 2005/ 2006 Jan Królikowski Fizyka IBC

Rozkłady prawdopodobieństwa

Termodynamika. Część 11. Układ wielki kanoniczny Statystyki kwantowe Gaz fotonowy Ruchy Browna. Janusz Brzychczyk, Instytut Fizyki UJ

Finansowe szeregi czasowe

Rachunek Prawdopodobieństwa Anna Janicka

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

Rozkłady statystyk z próby

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

19 marzec, Łańcuchy Markowa z czasem dyskretnym. Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136

Metoda momentów i kwantyli próbkowych. Wrocław, 7 listopada 2014

Ruchy Browna. Wykład XIII Mechanika statystyczna 1. Podejście Einsteina

Metody probabilistyczne

2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona

Model Blacka-Scholesa

Transkrypt:

Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Ruch 1

{X t } jest martyngałem dokładnie wtedy, gdy E(X t F s ) = X s, s, t T, s t. Jeżeli EX 2 (t) < +, to E(X t F s ) jest rzutem ortogonalnym zmiennej losowej X t na podprzestrzeń tych funkcji z F s, które sa całkowalne z kwadratem. Innymi słowy, E(X t F s ) minimalizuje funkcjonał Y E(X t Y ) 2, Ruch gdzie Y przebiega F s. Najsławniejszym martyngałem jest proces Wienera, niesłusznie przez matematyków nazywany ruchem. 2

- cd. Norbert Wiener (1894-1964) Ruch 3

- cd. (N. Wiener, 1923) Procesem Wienera nazywamy proces stochastyczny W t, t 0 o następujacych własnościach: 1 W 0 0. 2 Prawie wszystkie trajektorie IR + t W t (ω) sa ciagłe. 3 Przyrosty procesu {W t } sa niezależne i stacjonarne. 4 W t N (0, σ 2 t), t > 0, dla pewnego σ 2 > 0. Ruch 4

Martyngałowe własności procesu Wienera jest martyngałem bowiem E(W t F s ) = E(W t W s F s ) + E(W s F s ) = 0 + W s. Twierdzenie Paula Lévy ego Ciagły martyngał {X t } taki, że X 0 0 i dla pewnej stałej c > 0, proces Xt 2 ct, t 0, też jest martyngałem, jest procesem Wienera (z σ 2 = c). Ruch 5

- cd. Ruch Paul Lévy (1886-1971) 6

- cd. Ruch Symulacja procesu Wienera w jednym wymiarze 7

- cd. Ruch Symulacja procesu Wienera w przestrzeni trójwymiarowej 8

- cd Ruch Symulacja procesu Wienera na płaszczyźnie, z różnymi krokami czasowymi 9

- cd Ruch Symulacja procesu Wienera na płaszczyźnie, na papierze w kratkę? Rysunek ruchów, wykonany przez Perrina! 10

Twórcy fizycznej teorii ruchów Albert Einstein Ruch Marian Smoluchowski Paul Lengevin 11

Czemu proces Wienera nie jest matematyczna idealizacja ruchów? Rozważmy następujacy prosty model: W rozrzedzonym gazie o jednoatomowych molekułach masy m unosi się czasteczka dymu o masie M. Obserwujemy ruch czasteczki dymu zrzutowany na zadana oś. Przypuśćmy, że nastapiło zderzenie sprężyste, przy czym przed zderzeniem czasteczka dymu miała prędkość V, a uczestniczaca w zderzeniu molekuła gazu prędkość U. Po zderzeniu mamy: Ruch V = C(U V ), gdzie C = C(M, m) = 2m/(M + m). Co więcej, przypuśćmy, że takie zderzenia maja miejsce w losowych momentach τ 1 < τ 2 <..., z czasteczkami posiadajacymi losowe prędkości U 1, U 2,.... 12

Wyprowadzenie równania Langevina Mamy więc V (τ k ) = C(U k V (τ k )), gdzie U 1, U 2,... sa niezależne, o rozkładzie normalnym N (0, k B T /m) (tutaj k B jest stała Boltzmanna, a T temperatura absolutna). Wariancja U k musi wynosić k B T /m, na mocy zasady ekwipartycji energii" 1 2 me(u k) 2 = 1 2 k BT. W końcu przypuśćmy, że momenty losowe τ 1, τ 2,... sa takie, że liczba zderzeń do chwili t tworzy proces Poissona z intensywnościa λ dt. N(t) = N λ (t) = 1I [τk,+ )(t) Po(λt), t IR +. k=1 To założenie gwarantuje nam niezależność liczby zderzeń w rozłacznych odcinkach czasu. Ruch 13

Wyprowadzenie równania Langevina - cd. Sumujac zmiany prędkości po czasie do chwili t otrzymujemy V (t) V (0) = CU(t) C V (s ) dn(s), ]0,t] gdzie U(t) = U m,λ (t) = τ k t U k. To równanie jest łatwo rozwiazać: V (t) = C ( Y (t) ) 1( ]0,t] Y (s) du(s) + V (0) ), Ruch gdzie Y (t) = Y m,λ (t) = exp( (ln(1 C(M, m)))n λ (t)). 14

Wyprowadzenie równania Langevina - cd. Przypuśćmy teraz, że λ + i m 0 w taki sposób, że 2λm b, 0 < b < +. Wtedy oraz (funkcjonalnie) Y m,λ (t) P e b M t, t IR +, Ruch C(M, m) U m,λ (t) D 2bkB T M W t, gdzie {W t, t IR + } jest standardowym procesem Wienera (tzn. σ 2 = 1). 15

Wyprowadzenie równania Langevina - cd. Przypomnijmy postać rozwiazania dyskretnych równań : V m,λ (t) = C ( Y m,λ (t) ) 1( ]0,t] Y m,λ (s) du m,λ (s)+v m,λ (0) ). Nie jest więc zaskoczeniem, że te rozwiazania zmierzaja do procesu Ornsteina-Uhlenbecka V (t) = e b t( 2bk B T ) M e b M s dw s + V (0), M ]0,t] który rozwiazuje równanie Langevina M(V (t) V (0)) + b V (s) ds = 2bk B T W t. ]0,t] Ruch Fizycy zapisaliby to proste równanie w formie dv dt (t) + b M V (t) = 2bkB T dw t. M dt 16

Uwagi nt. wyprowadzenia równania Langevina Przejście graniczne do całki stochastycznej Ito nie jest oczywiste, jak pokazuja problemy z tzw. poprawka Wonga-Zakai. Nie jest to również rezultat ad hoc", lecz fragment teorii o dużo szerszym zasięgu. W szczególności rozumowanie obejmuje modele o dużo słabszych założeniach. Współczynnik b jest wielkościa makroskopowa, która może być interpretowana jako opór środowiska spowodowany lepkościa gazu. Nic takiego nie występuje na poziomie mikroskopowym! Matematycznym modelem ruchu jest proces Ruch t X(t) = X(0) + V (s) ds, 0 który ma gładkie (!) trajektorie. 17

nie jest matematyczna idealizacja ruchów! Ale mamy: X(t) X(0) = 2k B T b W t M ( ) V (t) V (0). b jest przybliżeniem ruchu w długim okresie czasu. Ruch Nie trzeba więc zmieniać tradycyjnej nazwy! 18

Ułamkowy ruch (ang. fractional Brownian motion) {Bt H } t R + z indeksem Hursta H (0, 1), to ciagły i scentrowany proces gaussowski o funkcji kowariancji danej wzorem E(B H t B H s ) = 1 2 (t2h + s 2H t s 2H ). Dla H (1/2, 1) proces {B H t } ma dodatnio skorelowane przyrosty: E(B H t B H s )(B H v B H u ) > 0, 0 s < t u < v. Ruch Dla H (0, 1/2) proces {B H t } ma ujemnie skorelowane przyrosty: E(B H t B H s )(B H v B H u ) < 0, 0 s < t u < v. Dla H = 1/2 proces {B H t } jest standardowym procesem Wienera. 19