Random walk classico. Simulazione di un random walk



Похожие документы
Random walk classico. Simulazione di un random walk

Sintassi dello studio di funzione

Successioni. Grafico di una successione

1 Limiti di successioni

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone

Anno 5 Successioni numeriche

Rendita perpetua con rate crescenti in progressione aritmetica

SUCCESSIONI E SERIE NUMERICHE

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%

Esercizi riguardanti limiti di successioni

Interesse e formule relative.

8. Quale pesa di più?

SUCCESSIONI NUMERICHE

Formula per la determinazione della Successione generalizzata di Fibonacci.

Analisi statistica dell Output

LA DERIVATA DI UNA FUNZIONE

IL CALCOLO COMBINATORIO

CONCETTI BASE DI STATISTICA

DISTRIBUZIONI DOPPIE

Corso di laurea in Matematica Corso di Analisi Matematica 1-2 Dott.ssa Sandra Lucente 1 Funzioni potenza ed esponenziale.

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.

V Tutorato 6 Novembre 2014

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1

LA VERIFICA DELLE IPOTESI SUI PARAMETRI

Limiti di successioni

Percorsi di matematica per il ripasso e il recupero

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Serie numeriche: esercizi svolti

SUCCESSIONI NUMERICHE

Modelli multiperiodali discreti. Strategie di investimento

Disposizioni semplici. Disposizioni semplici esercizi

Le onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione

5. Le serie numeriche

EQUAZIONI ALLE RICORRENZE

Lezione n Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott. Carrabs

Campi vettoriali conservativi e solenoidali

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

PARTE QUARTA Teoria algebrica dei numeri

Teorema 13. Se una sere converge assolutamente, allora converge:

Statistica 1 A.A. 2015/2016

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale

Calcolo Combinatorio (vers. 1/10/2014)

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa

Appunti sulla MATEMATICA FINANZIARIA

ESERCIZI SULLE SERIE

Elementi di matematica finanziaria

STATISTICA DESCRITTIVA

Successioni. Capitolo Definizione

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras

E naturale chiedersi alcune cose sulla media campionaria x n

Selezione avversa e razionamento del credito

Principi base di Ingegneria della Sicurezza

Il modello IS-LM. Determiniamo le condizioni per cui il mercato dei beni è in equilibrio.

Campionamento stratificato. Esempio

che sono una l inversa dell altra; l insieme dei messaggi cifrati C i cui elementi sono indicati con la lettera c.

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014)

Terzo appello del. primo modulo. di ANALISI

CRITERI DI CONVERGENZA PER LE SERIE. lim a n = 0. (1) s n+1 = s n + a n+1. (2) CRITERI PER LE SERIE A TERMINI NON NEGATIVI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia)

Teoria delle code. Sistemi stazionari: M/M/1 M/M/1/K M/M/S

Modelli multiperiodali discreti. Modelli multiperiodali discreti

Metodi statistici per l analisi dei dati

La matematica finanziaria

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1

ESERCIZIO N 4. Fatturato Supermercati [0;500) 340 [500;1000) 368 [1000;5000) 480 [5000;10000) 37 [10000;20000) 15 taglia = 1240

Corso di Laurea in Scienze della Formazione Primaria Università di Genova MATEMATICA Il

Economia Applicata ai sistemi produttivi Lezione II Maria Luisa Venuta 1

Lezione n. 2 (a cura di Chiara Rossi)

Capitolo 27. Elementi di calcolo finanziario EEE

Capitolo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE

STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione2:

Successioni ricorsive di numeri

SCHEDA DI RECUPERO SUI NUMERI RELATIVI

Sistemi Intelligenti Introduzione all inferenza statistica

Progressioni aritmetiche

cerchiamo di convincerci che ha senso sommare infiniti numeri! INSIEME INFINITO non INSIEME ILLIMITATO maggiorante limitato B 1/4 + 1/16 + 1/64

Probabilità e Statistica I

OSSERVAZIONI TEORICHE Lezione n. 4

5 ln n + ln. 4 ln n + ln. 6 ln n + ln

~ Copyright Ripetizionando - All rights reserved ~ STUDIO DI FUNZIONE

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA

Le scelte del consumatore in condizione di incertezza (cap.5)

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni

Транскрипт:

Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S S0 X k, co X k k co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti e ideticamete distribuiti i.i.d.); la distribuzioe dell icremeto è di tipo beroulliao, co due soli possibili valori e ). Seza perdita di geeralità poiamo S 0 0. Il radom walk asimmetrico si ottiee ivece co passi asimmetrici co prob. p X k co prob. -p Fabio Bellii 0 Simulazioe di u radom walk help uidrd UNIDRND Radom matrices from the discrete uiform distributio. R UNIDRNDN) returs a matri of radom umbers chose uiformly from the set {,, 3,...,N}. The size of R is the size of N. Alteratively, R UNIDRNDN,MM,NN) returs a MM by NN matri. Fabio Bellii 0

Simulazioe di u radom walk Xuidrd,00000,00); X:5,:5) as. Y*X-3 Fabio Bellii 0 Simulazioe di u radom walk Z[zeros00000,) cumsumy,)]; Z:5,:5) as 0 0 0 0 - - - - 0-0 0 0-0 0 0 0-0 plotas') Fabio Bellii 0

Simulazioe di u radom walk plotz:000,:0)') Fabio Bellii 0 Simulazioe di u radom walk for i:0 subplot5,4,i) plotzi,:)) ais[ 0-0 0]) grid o ed Fabio Bellii 0

Simulazioe di u radom walk Qual è la posizioe al tempo t? Dopo quato tempo raggiugo per la prima volta u livello prefissato, ad esempio S? Dopo quato tempo ritoro per la prima volta all asse delle S0)? Quate volte icrocio l asse delle? Qual è la frazioe di tempo spesa al di sopra dell asse delle? Qual è il massimo della traiettoria? Tutte queste domade hao ovviamete ua risposta probabilistica: la risposta è ua distribuzioe di probabilità. Fabio Bellii 0 Metodo Mote Carlo Nel seguito daremo ua risposta matematica rigorosa ad alcue delle domade poste ella slide precedete. Per adesso le affrotiamo da u puto di vista sperimetale, utilizzado il Metodo Mote Carlo, che cosiste el simulare u umero molto elevato di traiettorie e aalizzare le distribuzioi empiriche delle gradezze di iteresse. L idea di ricorrere a massicce simulazioi umeriche per valutare delle probabilità o dei valori attesi, o tipicamete i fiaza dei prezzi di strumeti derivati, è stata resa possibile dall avveto dei calcolatori elettroici. La formalizzazioe e lo sviluppo si ricoducoo di solito a Vo Neuma e Ulam, ell ambito del Progetto Mahatta. Il ome deriva ovviamete dalla città di Mote Carlo, leggedaria i quegli ai per il casiò. Fabio Bellii 0

Posizioe al tempo t subplot,,) histz:,5)) subplot,,) histz:,50)) subplot,,3) histz:,75)) subplot,,4) histz:,00)) Fabio Bellii 0 Media e variaza della posizioe al tempo t subplot3,,) plotmeaz)) subplot3,,) plotvarz)) subplot3,,3) plotstdz)) Fabio Bellii 0

Tempo di primo passaggio al livello for i:00000 amifidzi,:))); if isemptya); Ti)00; else Ti)a; ed ed Fabio Bellii 0 Tempo di primo passaggio al livello bis[::0]; probhistct,bis)./00000; prob[prob:50) prob00)]' prob 0.4993 0.49 0.0634 0.0380 0.07 0.008 0.064 0.030 0.009 0.0803 o ci passa mai ei primi 00 laci) Si tratta i realtà di u esempio di distribuzioe dalle code estremamete pesati La distribuzioe di probabilità tede a 0 molto letamete quato t tede a ifiito: se calcoliamo il valore atteso el ostro esempio otteiamo circa 5,7 Il valore atteso seza trocameto è ifiito Fabio Bellii 0

Numero di icroci co l asse delle for i:00000 Ni)sizefidZi,:)0),); ed bis[:50]; probhistcn,bis)./00000; plotprob) Fabio Bellii 0 Frazioe di tempo sopra l'asse delle for i:00000 Ni)sizefidZi,:)>0),); ed histn,0) Fabio Bellii 0

Risultati teorici Alcui dei risultati che abbiamo visto dal puto di vista sperimetale possoo essere otteuti el caso del radom walk classico seza bisogo di strumeti matematici sofisticati. Osserviamo itato che el caso del radom walk classico tutte le traiettorie soo equiprobabili; qualsiasi fissata sequeza di passi ha probabilità ^-). Il problema è quidi di tipo combiatorio, di coteggio del umero di traiettorie co determiate caratteristiche. Idichiamo co la posizioe al tempo ; se si soo avuti p passi verso l'alto e q passi verso il basso, evidetemete p q, p q da p, q cui ricaviamo Fabio Bellii 0 Risultati teorici Idichiamo ora co N,) il umero di traiettorie equiprobabili) che dall'origie 0,0) portao al puto,); quate soo? Dato che devo fare p passi verso l'alto e q passi verso il basso, abbiamo che N,) è pari al umero di modi di predere p passi tra gli possibili: N, ) p e di cosegueza la probabilità p,) di essere el puto al tempo è data da p, ) osserviamo che deve essere pari, altrimeti è impossibile arrivarci. Fabio Bellii 0

Il pricipio di riflessioe Sia A, ), B, ), co > e, >0. A e B soo due puti al di sopra dell'asse delle, B è quello più a destra. Idichiamo co A',- ) il puto che si ottiee riflettedo il puto A al di sotto dell'asse delle. Il pricipio di riflessioe afferma che il umero di cammii da A a B che toccao o attraversao l'asse delle è uguale al umero di cammii da A' a B. La dimostrazioe è puramete grafica: Fabio Bellii 0 Il teorema del ballottaggio Siao >0 e >0 iteri positivi; il umero di cammii che vao dall'origie al puto,) rimaedo sempre al di sopra dell'asse delle è pari a N,)*/ E' u famoso teorema che è ua cosegueza immediata del pricipio di riflessioe; vediamo perché. Il umero di cammii che vao da 0,0) a,) rimaedo sempre al di sopra dell'asse delle è evidetemete pari al umero di cammii che vao da,) a,) rimaedo sempre al di sopra dell'asse delle ; Il umero di cammii totale da,) a,) è pari al umero di cammii tra 0,0) e -,-), cioè N-,-); Il umero di cammii da,) a,) che toccao l'asse delle, dal pricipio di riflessioe, è pari al umero di cammii da,-) a,), che è N-,). Fabio Bellii 0

Il teorema del ballottaggio Fabio Bellii 0 Quidi il umero di cammii da 0,0) a,) che o toccao l'asse delle è dato dalla differeza "Se i u ballottaggio il vicitore ha voti di vataggio su N totali, la probabilità che ello spoglio sia sempre stato i vataggio è /N" ), )! )!! )! )! )! )! )! )! ), ), N N N Tempo di primo passaggio i 0 Fabio Bellii 0 Idichiamo co u la probabilità di trovarci i 0 al tempo ; sappiamo che Iiziamo a dimostrare il seguete lemma: la probabilità che il radom walk rimaga strettamete positivo fio al tempo icluso, è pari a p u p,0) quidi ), 0) 0,..., 0, u S S PS > > >

Tempo di primo passaggio i 0 Ifatti per calcolare PS > 0, S > 0,..., S > 0) possiamo codizioare rispetto alla posizioe al tempo : PS > 0, S > 0,..., S > 0) PS > 0, S > 0,..., S k ), k Ma ciascu addedo di questa somma può essere calcolato dal teorema del ballottaggio: k PS > 0, S p,) u > 0,..., S k ) N,3) N,5) N,5)...) N,) N,3) N,) Fabio Bellii 0 Tempo di primo passaggio i 0 Ifatti per simmetria p,) p, ) p,) u Sempre per simmetria abbiamo che PS > 0, S > 0,..., S > 0) PS < 0, S < 0,..., S < 0) quidi PS 0, S 0,..., S 0) u Si ha u primo passaggio i 0 al tempo se S 0, S S 0, S u -) u 0,..., S 0,..., S ) 0) e o è veroche ache 0); quidi la probabilità è Fabio Bellii 0