从抛硬币试验看随机游走定义的基本概念错误
全世界只有3.14 % 的人关注了
爆炸吧知识
随机游走(Random Walk)是《随机过程》教科书中用于描述动态随机现象的一种基本随机过程,许多重要的随机过程都可由它派生出来,其理论不仅在随机过程中占有相当重要的地位,而且也是自然科学、工程技术和社会科学研究动态随机现象的重要数学工具。
液体中悬浮微粒的布朗运动、光纤陀螺中的随机游走误差和股票市场中的价格波动等随机现象均可用随机游走过程进行描述。
抛硬币试验概率分析
概率定义:在相同条件下重复进行n次试验,其中事件A发生的次数为nA,如果随着试验次数n的增多,事件A发生的频率nA/n会稳定在某个常数p附近,那么这个常数p就叫做事件A的概率。
概率是用来描述随机试验次数n充分大时的统计参数。对于抛硬币试验,我们虽然无法预测下一次硬币是正面还是反面,但是我们知道当试验次数n足够大时,硬币正、反面出现的概率均为0.5,试验结果会呈现出正面反面各一半的统计分布规律。
图1抛硬币试验
用概率描述抛硬币试验的统计规律时有一先决条件:抛硬币试验的次数n要充分大!
如果用概率来描述n=1时的抛硬币试验结果,则意味着如果只抛掷一次硬币,会同时出现正、反面向上的荒谬结果。
但是,《随机过程》教课书恰恰就用概率来描述抛硬币试验中每一次抛出硬币的结果,并由此来定义随机游走,从而推导出了一系列与事实不符的性质和结论。
随机游走定义
连续抛投均匀硬币,记录结果:
ξ1,ξ2,ξ3,……,ξn
设ξ1,ξ2,ξ3,……,ξn独立同分布(i.i.d.),P(ξi =1)= P(ξi =-1)=1/2,定义
Sn=ξ1+ξ2+ξ3+……+ξn
为简单随机游走。
图2 随机游走定义
抛硬币试验概率计算
连续抛投均匀硬币,记录结果:
ξ1,ξ2,ξ3,……,ξn
上述n个随机试验结果虽然事前无法预测,但是事后就是n个确定的随机试验样本值,即一组时间序列。
ξi的取值不是为1,就是为-1,不可能同时取值1和-1,因此第i次试验结果ξi是次数i的函数,图3给出了某次抛硬币试验结果ξi的函数图像。
图3 抛硬币试验结果函数图像
假设在n次抛硬币试验结果中正面和反面出现的次数分别为nH和nT,根据概率定义,正、反面出现的概率分别为
随机游走定义概念错误
根据上述对抛硬币试验概率的概念分析和计算方法可以看出,《随机过程》教课书中的随机游走定义出现了下面两个严重的基本概念错误:
(1)用概率p和q来描述抛硬币试验中每一次抛出硬币后正、反面出现的可能性;
(2)抛硬币试验结果ξ1,ξ2,ξ3,……,ξn是n个确定的样本值,第i次试验结果ξi是次数i的函数,随机游走定义将n个确定的随机试验样本值假设为n个独立同分布随机变量。
如果将随机试验样本值ξi假设为随机变量,则ξi={1,-1},P(ξi =1)= P(ξi =-1)=1/2,表明每次抛硬币都会同时出现正面向上和反面向上的试验结果。
重新定义随机游走
连续抛投均匀硬币,记录结果:
ξ1,ξ2,ξ3,……,ξn
上述n个随机试验结果虽然事前无法预测,但是当试验次数n足够大时,硬币正面出现的概率p和反面出现的概率q均为0.5,可由此计算出抛硬币试验结果的算数平均值为
式中算数平均值m的物理意义为时间序列ξ1,ξ2,……,ξn中的直流分量。
由于每次抛硬币都是独立的,因此可直接得出抛硬币试验结果时间序列的自相关函数为
式中δ(k)为单位冲击序列,表明仅在k=0 时,ξi才具有相关性,只要不是同一次抛出,试验结果就互不相关。
由维纳-欣钦定理,可得时间序列ξ1,ξ2,……,ξn的功率谱密度
Sξ(ω)=1
因此,连续抛硬币试验结果ξ1,ξ2,ξ3,……,ξn实际上是一个平均功率为1的白噪声序列(图3),可给出正确的随机游走定义。
定义:设ξ1,ξ2,……,ξn为平均功率为1的白噪声序列,则称
Sn=ξ1+ξ2+ξ3+……+ξn
为简单随机游走。
写在最后
专注学习的同时,也要注意劳逸结合!穿上知识周边“同理可得”与“显然易证”文化T恤运动起来!
数学文化中的密码
信息量爆炸的文字
原价158元
现在到手价仅需128元
跟着夏天的脚步
把它和对数学的信仰带回家吧~
作者简介
高宏,毕业于清华大学精密仪器系,分别获工学学士、硕士和博士学位,留校任教从事测试信号分析与处理的教学与科研工作,现任紫光股份有限公司CTO,北京市科协委员。
点这里????关注我,记得标星~
从抛硬币试验看随机游走定义的基本概念错误相关推荐
- 时间序列:时间序列模型---随机游走过程(The Random Walk Process)
本文是Quantitative Methods and Analysis: Pairs Trading此书的读书笔记. 随机游走过程是一种特殊的ARMA序列.从分子运动到股价波动等现象都被建模为随机游 ...
- 代码本色——雪梨的Processing探索·Chapter 0:随机游走
概述 Chapter 0为我们介绍了随机数.概率和噪声在运动当中起到的变化作用,下面就让我们来好好的了解下这些数学名词,究竟可以起到怎样的公用,最后再让我们来发挥想象进行这些知识的运用创作. 原理介绍 ...
- matlab 指定区域随机游走_了解随机游走模型和移动平均过程(Python)
在本文中,我将介绍两个能够对时间序列进行建模的模型:随机游走和移动平均过程. 随机游走模型 随机游走模型由以下公式表示: 换句话说,当前时刻t的位置是前一时刻(t-1)的位置与噪声(用z表示)之和.这 ...
- Random Walk(随机游走)
本篇文章主要整理随机游走的基本思想,如果是深度学习图方法中的DeepWalk随机游走,传送门整理了几种流行的图嵌入方法. 金融和经济模型和概率统计学难以分离,对于这样的随机二级市场数据的理解和操作也是 ...
- 【论文逐句精读】DeepWalk,随机游走实现图向量嵌入,自然语言处理与图的首次融合
DeepWalk论文精读 阅读前的建议 背景知识 DeepWalk诞生背景和想要解决的问题 为什么可以借鉴NLP里面的方法? Embedding编码应该具有什么样的特性? 什么是随机游走(Random ...
- 随机游走(Random Walk)模型详解:历史||数学表示||物理意义
随机游走 随机游走(Random Walk,缩写为 RW),是一种数学统计模型,它是一连串的轨迹所组成,其中每一次都是随机的.它能用来表示不规则的变动形式,如同一个人酒后乱步,所形成的随机过程记录. ...
- python游走代码_介绍一个全局最优化的方法:随机游走算法(Random Walk)
1. 关于全局最优化求解 全局最优化是一个非常复杂的问题,目前还没有一个通用的办法可以对任意复杂函数求解全局最优值.上一篇文章讲解了一个求解局部极小值的方法--梯度下降法.这种方法对于求解精度不高的情 ...
- 图机器学习 | 图信号处理、矩阵分解、随机游走和深度学习算法
点上方计算机视觉联盟获取更多干货 仅作学术分享,不代表本公众号立场,侵权联系删除 转载于:专知 AI博士笔记系列推荐 周志华<机器学习>手推笔记正式开源!可打印版本附pdf下载链接 图是连 ...
- 随机系统(stochastic systems)——以随机游走为例
目录 文章目录 一杯咖啡是随机的吗? 随机游走与扩散 扩散定律是普适的 摩擦与扩散是一对双胞胎--爱因斯坦关系 爱因斯坦关系溯源--涨落耗散定理 一杯咖啡是随机的吗? 生活中有许多例子是牛顿力学基本能 ...
最新文章
- python实训总结报告书_20172304 实验四python综合实践报告
- 在 64 位版本的 Windows 上,如何在 32 位版本的 ASP.NET 1.1 和 64 位版本的 ASP.NET 2.0 之间切换...
- [Android] for ArcFace Demo
- Python自动化运维工具-Fabric部署及使用总结
- C语言结构体实现类似C++的构造函数
- Python基础(七)--模块和包
- 想唱你就唱卡拉ok_如何将电唱机与其他设备连接起来
- ubuntu 18.04 安装 中文 拼音 输入法
- airpods pro是按压还是触摸_AirPods Pro体验:真好用,但我还是想退货啊
- 12月9日10日 总结
- 有了async/await,你可以丢掉promise链了
- python写连点脚本_python鼠标连点器-测试版
- CoAP 协议分析与测试
- Python - 多个Excel合并 (列不同序 或 列数不同)
- 使用低代码开发的图书管理系统如何使用扫条形码实现图书的录入?
- noi linux 比赛使用哪个编译器,2020NOI考题及答案
- python xlwt 写入Excel
- iOS-苹果应用商店审核指南中文翻译
- nginx sendfile什么作用
- Jstack查询线程堆栈
热门文章
- 快来参加学习.NET 挑战赛
- 将数据从 SQL Server 导入 Azure Storage Table
- FluentAspects -- 基于 Fluent API 的 Aop
- EFCore查询语句生成流程、让EFCore支持批量Update/Delete/MergeInto
- 使用 VMware + win10 + vs2019 从零搭建双机内核调试环境
- GRPC与.net core
- kubernetes 客户端KubeClient使用及常用api
- 尝试:Script Lab,快速 O365 开发工具//SL01)
- 【送书活动】C# 程序员的自我修养
- 走进 Cake for .NET