Вероятность достижения границы — различия между версиями

Материал из synset
Перейти к: навигация, поиск
 
Строка 10: Строка 10:
 
{| width="100%"  
 
{| width="100%"  
 
  | width="90%" align="center"|<math> p(x_0, t) = \int\limits^\beta_\alpha P(x_0, 0\Rightarrow x,t) \, dx = \int\limits^\beta_\alpha P(x_0, -t\Rightarrow x,0) \, dx. </math>
 
  | width="90%" align="center"|<math> p(x_0, t) = \int\limits^\beta_\alpha P(x_0, 0\Rightarrow x,t) \, dx = \int\limits^\beta_\alpha P(x_0, -t\Rightarrow x,0) \, dx. </math>
  | <div width="10%" align="right" style="color:#0000CC">'''(EQN)'''</div>
+
  | <div width="10%" align="right" style="color:#0000CC">'''(4.17)'''</div>
 
  |}
 
  |}
  
Второе равенство записано для однородных систем, у которых снос и волатильность не зависят от времени. Именно их мы сейчас и рассмотрим. Для таких систем можно сдвинуть начало отсчёта времени, считая начальным <math>\textstyle t_0=-t</math>, а "конечным" &mdash; <math>\textstyle t=0</math>. Возьмём производную по <math>\textstyle t</math> выражения () и воспользуемся первым уравнением Колмогорова (), стр. \pageref{stat_fokker_plank_1}. В результате уравнение для <math>\textstyle p=p(x_0, t)</math> имеет вид:
+
Второе равенство записано для однородных систем, у которых снос и волатильность не зависят от времени. Именно их мы сейчас и рассмотрим. Для таких систем можно сдвинуть начало отсчёта времени, считая начальным <math>\textstyle t_0=-t</math>, а "конечным" &mdash; <math>\textstyle t=0</math>. Возьмём производную по <math>\textstyle t</math> выражения (4.17) и воспользуемся  
 +
[[Уравнение для плотности вероятности|первым уравнением Колмогорова (4.6)]]. В результате уравнение для <math>\textstyle p=p(x_0, t)</math> имеет вид:
  
 
{| width="100%"  
 
{| width="100%"  
 
  | width="90%" align="center"|<math> a(x_0) \,\frac{\partial p}{\partial x_0} + \frac{b^2(x_0)}{2} \,\frac{\partial^2 p}{\partial x_0^2} = \frac{\partial p}{\partial t}. </math>
 
  | width="90%" align="center"|<math> a(x_0) \,\frac{\partial p}{\partial x_0} + \frac{b^2(x_0)}{2} \,\frac{\partial^2 p}{\partial x_0^2} = \frac{\partial p}{\partial t}. </math>
  | <div width="10%" align="right" style="color:#0000CC">'''(EQN)'''</div>
+
  | <div width="10%" align="right" style="color:#0000CC">'''(4.18)'''</div>
 
  |}
 
  |}
  
Для плотности вероятности справедливо начальное условие в виде функции Дирака <math>\textstyle P(x_0, 0\Rightarrow x,0)=\delta (x-x_0)</math>. Поэтому из () следует начальное условие: <math>\textstyle p(x_0, 0) = 1</math> (частица гарантированно находится в <math>\textstyle \alpha < x_0 < \beta</math>). Кроме этого, если <math>\textstyle x_0</math> оказывается на границе, вероятность дальнейшего пребывания в интервале <math>\textstyle [\alpha..\beta]</math> будет равной нулю, поэтому:
+
Для плотности вероятности справедливо начальное условие в виде функции Дирака <math>\textstyle P(x_0, 0\Rightarrow x,0)=\delta (x-x_0)</math>. Поэтому из (4.17) следует начальное условие: <math>\textstyle p(x_0, 0) = 1</math> (частица гарантированно находится в <math>\textstyle \alpha < x_0 < \beta</math>). Кроме этого, если <math>\textstyle x_0</math> оказывается на границе, вероятность дальнейшего пребывания в интервале <math>\textstyle [\alpha..\beta]</math> будет равной нулю, поэтому:
  
 
:<center><math>p(\alpha, t) = p(\beta, t) = 0.</math></center>
 
:<center><math>p(\alpha, t) = p(\beta, t) = 0.</math></center>
Строка 34: Строка 35:
 
{| width="100%"  
 
{| width="100%"  
 
  | width="90%" align="center"|<math> T_n(x_0) = \left\langle T^n\right\rangle = - \int\limits^\infty_0 t^{n} \frac{\partial p(x_0, t)}{\partial t} \,dt = n \int\limits^\infty_0 t^{n-1} p(x_0, t) \,dt. </math>
 
  | width="90%" align="center"|<math> T_n(x_0) = \left\langle T^n\right\rangle = - \int\limits^\infty_0 t^{n} \frac{\partial p(x_0, t)}{\partial t} \,dt = n \int\limits^\infty_0 t^{n-1} p(x_0, t) \,dt. </math>
  | <div width="10%" align="right" style="color:#0000CC">'''(EQN)'''</div>
+
  | <div width="10%" align="right" style="color:#0000CC">'''(4.19)'''</div>
 
  |}
 
  |}
  
Умножим уравнение () на <math>\textstyle nt^{n-1}</math> и проинтегрируем по <math>\textstyle dt</math>:
+
Умножим уравнение (4.18) на <math>\textstyle nt^{n-1}</math> и проинтегрируем по <math>\textstyle dt</math>:
  
 
:<center><math>a(x_0) \,T'_n(x_0) + \frac{b^2(x_0)}{2} \, T''_n(x_0) = - n T_{n-1}(x_0).</math></center>
 
:<center><math>a(x_0) \,T'_n(x_0) + \frac{b^2(x_0)}{2} \, T''_n(x_0) = - n T_{n-1}(x_0).</math></center>

Текущая версия на 18:31, 15 марта 2010

Граничные условия << Оглавление >> Разложение вероятности по базису

Найдём теперь вероятность достижения при блуждании границ интервала . Пусть это будут поглощающие границы, и в начальный момент времени частица находится в некоторой точке . Вероятность того, что в момент времени она ещё ни разу не коснулась границ и находится внутри интервала , равна:

(4.17)

Второе равенство записано для однородных систем, у которых снос и волатильность не зависят от времени. Именно их мы сейчас и рассмотрим. Для таких систем можно сдвинуть начало отсчёта времени, считая начальным , а "конечным" — . Возьмём производную по выражения (4.17) и воспользуемся первым уравнением Колмогорова (4.6). В результате уравнение для имеет вид:

(4.18)

Для плотности вероятности справедливо начальное условие в виде функции Дирака . Поэтому из (4.17) следует начальное условие: (частица гарантированно находится в ). Кроме этого, если оказывается на границе, вероятность дальнейшего пребывания в интервале будет равной нулю, поэтому:

Обозначим через время достижения одной из границ. Понятно, что -случайная величина и — это интегральная вероятность того, что ("всё ещё находится"). Вероятность, что , равна . Её производная по даст плотность вероятности того или иного времени пребывания в интервале . Поэтому, например, среднее время пребывания равно:

Мы считаем, что , т.к. частица в ограниченном пространстве рано или поздно достигает одной из границ. Для среднего -той степени от введём следующее обозначение и найдём уравнение, которому удовлетворяет функция .

Проведя интегрирование по частям в определении , получаем:

(4.19)

Умножим уравнение (4.18) на и проинтегрируем по :

Благодаря нормировочному условию имеем . Поэтому мы получили последовательность уравнений с правой частью, определяемой на предыдущей итерации. В частности, для среднего времени :

с граничными условиями (если частица в начальном положении была на границе, то она сразу покинет пространство).

Например, при винеровском блуждании с нулевым сносом и волатильностью имеем:

где и — константы интегрирования. Пусть поглощающие границы находятся в точках . Тогда граничные условия приводят к:

Максимальное среднее время достижения границ получается тогда, когда в начальный момент частица находится в центральной части интервала . В силу симметрии задачи (сноса нет) этот результат вполне ожидаем. Даже если находится недалеко от , то при среднее время также стремится к бесконечности.

В качестве упражнения ( H) стоит решить эту же задачу при ненулевом сносе и рассмотреть предел "широкого" пространства .



Граничные условия << Оглавление >> Разложение вероятности по базису

Стохастический мир - простое введение в стохастические дифференциальные уравнения