Tại sao phương sai của Đi bộ ngẫu nhiên tăng?


28

Bước đi ngẫu nhiên được xác định là Yt=Yt1+et , trong đó et là tiếng ồn trắng. Biểu thị rằng vị trí hiện tại là tổng của vị trí trước đó + một thuật ngữ không dự đoán được.

Bạn có thể chứng minh rằng hàm trung bình , vìμt=0E(Yt)=E(e1+e2+...+et)=E(e1)+E(e2)+...+E(et)=0+0+...+0

Nhưng tại sao phương sai lại tăng tuyến tính theo thời gian?

Điều này có liên quan gì đến việc nó không "thuần túy" ngẫu nhiên không, vì vị trí mới rất tương quan với vị trí trước đó?

CHỈNH SỬA:

Bây giờ tôi đã hiểu rõ hơn nhiều bằng cách hình dung một mẫu lớn các bước đi ngẫu nhiên, và ở đây chúng ta có thể dễ dàng quan sát rằng phương sai tổng thể không tăng theo thời gian,

100 000 đi bộ ngẫu nhiên

và giá trị trung bình là như mong đợi xung quanh không.

Có lẽ điều này là tầm thường, vì trong giai đoạn rất sớm của chuỗi thời gian (so sánh thời gian = 10, với 100), những người đi bộ ngẫu nhiên chưa có thời gian để khám phá nhiều.


2
Thật khó để thấy "ý nghĩa" của bất kỳ một bước đi ngẫu nhiên mô phỏng nào sẽ giống như kỳ vọng của một cụ thể . Theo định nghĩa, kỳ vọng đó được tính toán trên toàn bộ "nhóm" các bước đi ngẫu nhiên có thể, trong đó bước đi mô phỏng của bạn chỉ là một ví dụ. Khi bạn mô phỏng nhiều bước đi - có lẽ bằng cách chồng các biểu đồ của chúng lên một ô - bạn sẽ thấy rằng chúng được trải quanh trục ngang. Làm thế nào mà lây lan khác nhau với t ? Ytt
whuber

@whuber mà có ý nghĩa hơn! Tất nhiên tôi nên xem nó như một ví dụ của tất cả các cuộc đi bộ có thể. Và sau đó, có, bạn có thể thấy bằng cách nhìn vào biểu đồ rằng phương sai tổng thể của tất cả các lần đi bộ sẽ tăng theo thời gian. Đúng rồi?
Isbister

1
Vâng đúng vậy. Đó là một cách tốt để đánh giá cao những gì @Glen_b đã viết trong câu trả lời của anh ấy bằng toán học. Tôi đã tìm thấy nó giúp làm quen với nhiều ứng dụng của các bước ngẫu nhiên: bên cạnh ứng dụng chuyển động Brownian cổ điển, chúng mô tả sự khuếch tán, giá cả tùy chọn, sự tích lũy của các lỗi đo lường, và nhiều hơn nữa. Lấy một trong những thứ này, chẳng hạn như khuếch tán. Hãy tưởng tượng một giọt mực rơi xuống một vũng nước đứng yên. Mặc dù vị trí của nó là cố định, nhưng nó lan rộng ra khi thời gian trôi qua: đây là cách chúng ta thực sự có thể thấy một ý nghĩa liên tục bằng không cùng với sự chênh lệch ngày càng tăng.
whuber

@whuber Cảm ơn bạn rất nhiều, tôi hoàn toàn hiểu nó ngay bây giờ!
Isbister

Câu trả lời:


37

Nói tóm lại, vì nó liên tục thêm phương sai của các mức tăng tiếp theo vào mức độ biến thiên mà chúng ta có trong việc đến nơi chúng ta đang ở hiện tại.

Var(Yt)=Var(e1+e2+...+et)
=Var(e1)+Var(e2)+...+Var(et) (tính độc lập)
=σ2+σ2+...+σ2=tσ2,

và chúng ta có thể thấy rằng tσ2 tăng tuyến tính với t .


Giá trị trung bình bằng 0 tại mỗi thời điểm; nếu bạn mô phỏng chuỗi nhiều lần và tính trung bình trên toàn chuỗi trong một thời gian nhất định, thì nó sẽ trung bình ở mức gần 0

500 bước đi ngẫu nhiên mô phỏng với giá trị trung bình mẫu và độ lệch chuẩn +/-

Figure: 500 simulated random walks with sample mean in white and 
± one standard deviation in red. Standard deviation increases with t.


Vâng, mỗi thuật ngữ lỗi là độc lập có. Và chắc chắn rằng điều này có ý nghĩa trên giấy. Nhưng tôi vẫn không có được cảm giác tốt cho "Làm thế nào phương sai có thể tăng tuyến tính" nhưng giá trị trung bình vẫn bằng không? Nghe có vẻ rất tồi tệ, gần giống như một mâu thuẫn. Làm thế nào về một lời giải thích ít toán học mà trả lời câu hỏi của tôi?
Isbister

timpal0l - Tại mỗi thời điểm, bạn đang thêm một thuật ngữ khác không thay đổi trung bình bất kỳ nhưng thêm vào "nhiễu" (phương sai về giá trị trung bình). Vì vậy, giá trị trung bình giữ nguyên nhưng phương sai tăng (phân phối "trải ra" nhiều hơn vào những lần sau). Đó là cả ý tưởng trực quan và cũng theo nghĩa chung những gì toán học thể hiện.
Glen_b -Reinstate Monica

1
Cảm ơn về sơ đồ, A.Webb . Rất đẹp.
Glen_b -Reinstate Monica

15

Đây là một cách để tưởng tượng nó. Để đơn giản hóa mọi thứ, chúng ta hãy thay thế tiếng ồn trắng của bạn với một đồng xu lật đ ieiei

ei={1 with Pr=.51 with Pr=.5

Điều này chỉ đơn giản hóa việc trực quan hóa, không có gì thực sự cơ bản về việc chuyển đổi ngoại trừ việc giảm căng thẳng cho trí tưởng tượng của chúng ta.

Bây giờ, giả sử bạn đã tập hợp một đội quân chân chèo. Hướng dẫn của họ là, theo lệnh của bạn, lật đồng xu của họ và kiểm tra xem kết quả của họ là gì, cùng với tổng kết tất cả các kết quả trước đó của họ. Mỗi flipper cá nhân là một ví dụ của bước đi ngẫu nhiên

W=e1+e2+

và tổng hợp trên tất cả quân đội của bạn sẽ cho bạn thực hiện hành vi dự kiến.

flip 1W112

flip 2WHHTTW224

...

flip nWHHHTTTnn2n

Vì vậy, đây là những gì bạn có thể thấy từ thí nghiệm suy nghĩ này:

  • Kỳ vọng của cuộc đi bộ là bằng không, vì mỗi bước đi bộ được cân bằng.
  • Tổng phạm vi của bước đi tăng trưởng tuyến tính với chiều dài của bước đi.

Để phục hồi trực giác, chúng tôi phải loại bỏ độ lệch chuẩn và sử dụng trong thước đo trực quan, phạm vi.


1
Độ lệch chuẩn không tăng trưởng tuyến tính, do đó, nhận xét cuối cùng là nghi vấn.
Juho Kokkala

Có, tôi đang cố suy nghĩ điều gì đó để nói để giải quyết vấn đề đó, có gợi ý nào không? Tất cả những gì tôi có thể nghĩ là hấp dẫn với định lý giới hạn trung tâm không trực quan lắm.
Matthew Drury

@JuhoKokkala Tôi đồng ý với những lời chỉ trích của bạn, vì vậy tôi đã xóa nhận xét cuối cùng.
Matthew Drury

3

Điều này có liên quan gì đến việc nó không "thuần túy" ngẫu nhiên không, vì vị trí mới rất tương quan với vị trí trước đó?

Có vẻ như "thuần túy" bạn có nghĩa là độc lập . Trong bước đi ngẫu nhiên chỉ có các bước là ngẫu nhiên và độc lập với nhau. Như bạn đã lưu ý, "các vị trí" là ngẫu nhiên nhưng tương quan , nghĩa là không độc lập .

E[Yt]= =0Ytlà tất cả các số ngẫu nhiên khác không. Như một vấn đề thực tế, trong khi bạn tăng mẫu lớn hơnYt đôi khi sẽ được quan sát, chính xác bởi vì, như bạn đã lưu ý, phương sai đang tăng theo kích thước mẫu.

Phương sai đang gia tăng bởi vì nếu bạn mở khóa vị trí như sau: Yt= =Y0+Σtôi= =0tεt, bạn có thể thấy rằng vị trí là một tổng số các bước, rõ ràng. Phương sai cộng với kích thước mẫu tăng.

Nhân tiện, các phương tiện lỗi cũng cộng lại, nhưng trong một bước đi ngẫu nhiên, chúng ta thường cho rằng các phương tiện bằng không, vì vậy việc thêm tất cả các số không vẫn sẽ dẫn đến không. Có bước đi ngẫu nhiên với sự trôi dạt:Yt-Yt-1= =μ+εt, Ở đâu Yt sẽ trôi đi từ con số 0 μt với thời gian mẫu.


2

Chúng ta hãy lấy một ví dụ khác cho một lời giải thích trực quan: ném phi tiêu vào phi tiêu. Chúng tôi có một người chơi, người cố gắng nhắm vào bullseye, mà chúng tôi coi là tọa độ gọi là 0. Người chơi ném một vài lần, và thực sự, ý nghĩa của cú ném của anh ta là 0, nhưng anh ta không thực sự tốt, vì vậy phương sai là 20 cm.

Chúng tôi yêu cầu người chơi ném một phi tiêu mới. Bạn có mong đợi nó sẽ tấn công bullseye?

Không. Mặc dù giá trị trung bình chính xác là bullseye, nhưng khi chúng ta thử một cú ném, nó hoàn toàn không phải là bullseye.

Theo cùng một cách, với việc đi bộ ngẫu nhiên, chúng ta không mong đợi một mẫu duy nhất tại một thời điểm t ở bất cứ đâu gần 0. Đó thực tế là những gì phương sai chỉ ra: chúng ta mong đợi một mẫu sẽ ở bao xa?

Tuy nhiên, nếu chúng tôi lấy rất nhiều mẫu, chúng tôi sẽ thấy rằng nó tập trung vào khoảng 0. Giống như người chơi phi tiêu của chúng tôi sẽ gần như không bao giờ đánh bullseye (phương sai lớn), nhưng nếu anh ta ném nhiều phi tiêu, anh ta sẽ đặt chúng ở giữa xung quanh bullseye (có nghĩa là).

If we extend this example to the random walk, we can see that the variance increases with time, even though the mean stays at 0. In the random walk case, it seems strange that the mean stays at 0, even though you will intuitively know that it almost never ends up at the origin exactly. However, the same goes for our darter: we can see that any single dart will almost never hit bullseye with an increasing variance, and yet the darts will form a nice cloud around the bullseye - the mean stays the same: 0.


1
Điều này không mô tả hiện tượng của câu hỏi, liên quan đến sự gia tăng thời gian trong sự lây lan. Sự gia tăng đó không phải là một hàm của số lượng mẫu. Nó là bản chất.
whuber

1
@whuber Tôi biết câu trả lời này không giải quyết được điều đó, và tôi không có ý định làm điều đó. OP dường như đấu tranh với thực tế là giá trị trung bình hoàn toàn không phụ thuộc vào phương sai, mặc dù theo trực giác chúng ta có thể thấy rằng việc đi bộ ngẫu nhiên sẽ gần như không bao giờ kết thúc tại điểm gốc, vì vậy tôi đã cố gắng làm rõ bằng một ví dụ mà không có sự phụ thuộc khó khăn trênt. Tuy nhiên, nó quá dài cho một bình luận, nhưng thực sự không có ý định như một câu trả lời đầy đủ. Tôi mở rộng câu trả lời để hy vọng giải thích mối quan tâm của bạn một chút.
Sanchise

0

Đây là một cách khác để có được trực giác rằng phương sai tăng tuyến tính theo thời gian.

Trả về tăng tuyến tính theo thời gian. .1% trở lại mỗi tháng dịch vào 1.2% lợi nhuận mỗi năm - X lợi nhuận mỗi ngày tạo ra 365X lợi nhuận mỗi năm (giả định độc lập).

Nó có ý nghĩa rằng phạm vi của lợi nhuận cũng tăng tuyến tính. Nếu lợi nhuận hàng tháng là.1% Trung bình ±0,05%, sau đó nó có ý nghĩa trực quan rằng mỗi năm nó là 1.2% Trung bình ±.6%.

Chà, nếu chúng ta trực giác nghĩ về phương sai là phạm vi, thì nó có ý nghĩa trực quan rằng phương sai tăng theo cùng một cách như quay trở lại theo thời gian, đó là tuyến tính.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.