Considere una caminata aleatoria entera que comienza en 0 con las siguientes condiciones:
El primer paso es más o menos 1, con igual probabilidad.
Cada paso futuro es: 60% de probabilidades de estar en la misma dirección que el paso anterior, 40% de probabilidades de estar en la dirección opuesta
¿Qué tipo de distribución produce esto?
Sé que una caminata aleatoria sin impulso produce una distribución normal. ¿El impulso solo cambia la varianza, o cambia la naturaleza de la distribución por completo?
Estoy buscando una respuesta genérica, por lo que en un 60% y 40% arriba, realmente me refiero a p y 1-p
stochastic-processes
randomness
random-walk
barrycarter
fuente
fuente
Respuestas:
Para llegar inmediatamente a la conclusión, el "impulso" no cambia el hecho de que la distribución normal es una aproximación asintótica de la distribución de la caminata aleatoria, pero la varianza cambia de a n p / ( 1 - p ) . Esto puede derivarse de consideraciones relativamente elementales en este caso especial. No es muy difícil generalizar los argumentos a continuación a un CLT para cadenas de Markov de espacio de estado finito, por ejemplo, pero el mayor problema es en realidad el cálculo de la varianza. Para el problema particular puede4np(1−p) np/(1−p) se calcula y, con suerte, los argumentos a continuación pueden convencer al lector de que es la variación correcta.
Utilizando la información que Cardinal proporciona en un comentario, la caminata aleatoria se da como donde X k ∈ { - 1 , 1 } y las X k forman una cadena de Markov con matriz de probabilidad de transición ( p 1 - p 1 - p p ) . Para consideraciones asintóticas cuando n → ∞ la distribución inicial de X 1 no juega ningún papel, entonces arreglemos
fuente
Van Belle's 'Rule of Thumb' 8.7 (from the second edition of his book) includes an approximation for the standard error of the mean when innovations have autocorrelationρ . Translating this using ρ = 2 p -1 da
edit: I had the wrong autocorrelation (or ratherp should have been interpreted differently); is now consistent (I hope!)
fuente