• 1.摘要
  • 2.基本信息
  • 3.释义
  • 4.定律介绍
  • 4.1.无规则行走
  • 4.2.扩散定律
  • 4.3.理想状态
  • 4.4.相关研究
  • 4.5.观点的缺憾
  • 5.其他类型
  • 5.1.与P2P
  • 5.2.与高分子
  • 5.3.与金融市场
  • 6.模型
  • 7.参考资料

随机漫步

随机游走

随机游走(random walk)也称随机漫步,随机行走等是指基于过去的表现,无法预测将来的发展步骤和方向。核心概念是指任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律,接近于布朗运动,是布朗运动理想的数学状态,现阶段主要应用于互联网链接分析及金融股票市场中。

基本信息

  • 中文名

    随机游走

  • 外文名

    random walk

  • 别名

    随机行走

  • 核心

    一个扩散运输定律

  • 定义

    即随机游走概念接近于布朗运动

  • 应用

    计算机金融

释义

随机游走

英文:random walk

定义:随机游走,概念接近于布朗运动,是布朗运动的理想数学状态。

核心概念:任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律。

定律介绍

无规则行走与扩散定律

无规则行走

斯特林公式

无规则行走在任意尺度上都具有相似结构。例如一个在二维(d=2)格子上游动,每一定时间以相同概率移动到其相邻位置,其轨迹即二维随机轨迹,同样可以扩展到三维。举个例子,你取2个硬币一个1分,一个5分。你每五秒,将2个硬币掷一次,1分硬币用于左右移动标记,5分硬币用于前后移动标记,绘出路径就是你的二维无规则行走。假如你走了1000步那么你回到起点的方式M0有多少种?那么么必须正反面各500次。即,对一个特定投币序列将投出正面的序号列出清单,清单包括500个不同的整数这个量为:1000!/500!,而任意两张清单只在元素存在换序的差异,则实际上并无区别所以必须除以可能的置换数500!,M0=1000!/(500×500!),“!”表示阶乘。回到原点的概率P0=M0/M,这个概率满足二项分布。

对于所有M种可能可以用斯特林公式进行计算,通过计算我们知道回到起点的概率很低。

醉酒人的无规则行走

要想找出第1000步后你走了多远,你可以列出1000次投币的结果序列然后对所有(x1000)的2次方求平均,得到1000步后的均方位置;这显然太复杂,好在还有另外的方法。我们可以将所有2的N次方种可能行走一一配对,每一配对由相同的x(N-1);{(N-1)为x的下脚标}的两个可能性相等的行走组成,只是最后一步不同。N步随机性走的均方位移比N-1步大a的2次方,后者又比N-2步大a的2次方,均方位移=Na的2次方。a为格子间隔,每一个格子点上游动的可能方向有2d个(d是格子维数)单位时间内游动的方差为D=a2/(2d)t,D为扩散系数(一些参考书中也用字母K表示,

a后面的2为次方,后面凡数字在字母后面都表示指数)。对于一维无规则行走的均方位移随时间线性增加2Kt,扩散常数D=a2/(2Δt)。这个逻辑可以推广到二维和三维。

也许行走若干个步后他会回到出发点,但这样的概率非常小。他离开酒吧的距离满足扩散定律。

(a)二维无规则行走;

(b)当步骤更多,步幅更低时二维无规则行走;

(c)三维无规则行走。

扩散定律