ทัศนศึกษา Brownian สามารถสร้างได้จากสะพานโดยใช้การก่อสร้างต่อไปนี้โดย Vervaat:
https://projecteuclid.org/download/pdf_1/euclid.aop/1176995155
การประมาณอย่างรวดเร็วใน R โดยใช้ @ BB รหัสของ whuber คือ
n <- 1001
times <- seq(0, 1, length.out=n)
set.seed(17)
dW <- rnorm(n)/sqrt(n)
W <- cumsum(dW)
# plot(times,W,type="l") # original BM
B <- W - times * W[n] # The Brownian bridge from (0,0) to (1,target)
# plot(times,B,type="l")
# Vervaat construction
Bmin <- min(B)
tmin <- which(B == Bmin)
newtimes <- (times[tmin] + times) %% 1
J<-floor(newtimes * n)
BE <- B[J] - Bmin
plot(1:length(BE)/n,BE,type="l")
นี่คือพล็อตอื่น (จาก set.seed (21)) สังเกตที่สำคัญกับการท่องเที่ยวคือการที่เครื่องจริงปรากฏว่าเป็น "เขม่น" จาก 0, และคุณน่าจะเห็นการท่องเที่ยวมาใกล้เคียงกับในการตกแต่งภายในของ(0,1)
( 0 , 1 )0( 0 , 1 )
ด้านข้าง: การแจกแจงค่าสัมบูรณ์ของสะพานบราวเนียนและการเดินทางมีเงื่อนไขเป็นบวกคือ ไม่เหมือนกัน. โดยสัญชาตญาณการเดินทางถูกขับออกจากแหล่งกำเนิดเพราะเส้นทางของบราวเนียนที่อยู่ใกล้กับแหล่งกำเนิดมากเกินไปมีแนวโน้มที่จะเป็นลบในไม่ช้าหลังจากนั้นจึงถูกลงโทษจากการปรับสภาพ ( B B t ) 0 ≤ t ≤ 1( | B Bเสื้อ| )0 ≤ t ≤ 1( B Bเสื้อ)0 ≤ t ≤ 1
สิ่งนี้สามารถแสดงให้เห็นได้ด้วยสะพานเดินแบบเรียบง่ายและการทัศนศึกษาในขั้นตอนซึ่งเป็นอะนาล็อกโดยธรรมชาติของ BM (และมาบรรจบกับ BM เมื่อขั้นตอนมีขนาดใหญ่และคุณจะต้องช่วย)6
อันที่จริงใช้ SRW สมมาตรเริ่มต้นจาก0ก่อนอื่นให้เราพิจารณาการปรับสภาพ "สะพาน" และดูว่าจะเกิดอะไรขึ้นหากเราใช้ค่าสัมบูรณ์ พิจารณาทุกเส้นทางที่เรียบง่ายความยาวที่เริ่มต้นและสิ้นสุดที่0จำนวนเส้นทางดังกล่าวเป็น20 มีจากนั้น0 ในคำอื่น ๆ น่าจะเป็นสำหรับค่าสัมบูรณ์ของ SRW ของเรา "สะพาน" (ปรับอากาศไปยังจุดสิ้นสุดที่ ) จะมีค่า 0 ในขั้นตอนที่คือ0.6s 6 0 ( 6)0s602× ( 4( 6)3) =20| s2| =00212/20=0.62 × ( 42) =12| s2| =00212 / 20 = 0.6
ประการที่สองเราจะพิจารณาปรับอากาศ "การเดินทาง" จำนวนเส้นทางที่ง่ายเชิงลบความยาวที่สิ้นสุดที่เป็นจำนวนคาตาลัน5 เผงเส้นทางเหล่านี้มี0 ดังนั้นน่าจะเป็น SRW ของเรา "เที่ยว" (เงื่อนไขที่จะเข้าพักในเชิงบวกและสิ้นสุดที่ ) จะมีค่า 0 ในขั้นตอนที่คือ<0.66 = 2 ∗ 3 0 C m = 3 = ( 2 ms6 = 2 ∗ 302s2=0022/5=0.4<0.6คm = 3= ( 2 มม.) /(m+1)=52s2= 0022 / 5 = 0.4 < 0.6
ในกรณีที่คุณยังคงสงสัยนี้ยังคงมีปรากฏการณ์ในวงเงินที่คุณสามารถพิจารณาความน่าจะเป็นสะพาน SRW และทัศนศึกษาของความยาวตี 0 ในขั้นตอน2n2 n4 n2 n
สำหรับการทัศนศึกษา SRW: เรามีโดยใช้ aysmptotics จาก wikipedia https://en.wikipedia.org/wiki / นั่นคือมันเหมือนกับในที่สุดคn - 3 / 2
P ( S2 n= 0 | SJ≥ 0 , j ≤ 4 n , S4 n= 0 ) = C2n/ c2 n∼ ( 42 n/ πn3) / ( 42 n/ ( 2 n )3π------√)
คn- 3 / 2
สำหรับ abs (สะพาน SRW):โดยใช้ asymptotics จากวิกิพีเดียhttps://en.wikipedia.org/wiki/Binomial_coefficient นี้เป็นเหมือน1/2}
P ( | S2 n| =0 | S4 n= 0 ) = ( 2 nn)2/ ( 4 n2 n) ∼(4n/ πn---√)2/ ( 42 n/ 2 n π---√)
คn- 1 / 2
กล่าวอีกนัยหนึ่งความน่าจะเป็นของซีมโทติคที่จะเห็นสะพาน SRW ที่มีเงื่อนไขเป็นบวกที่ใกล้กลางมีขนาดเล็กกว่านั้นมากสำหรับค่าสัมบูรณ์ของสะพาน 0
นี่คือการก่อสร้างทางเลือกโดยใช้กระบวนการ 3D Bessel แทนสะพานบราวเนียน ฉันใช้ข้อเท็จจริงที่อธิบายไว้ในhttps://projecteuclid.org/download/pdf_1/euclid.ejp/1457125524
ภาพรวม - 1) จำลองกระบวนการ Bessel 3d นี่เป็นเหมือน BM ที่ปรับเงื่อนไขให้เป็นบวก 2) ใช้การลดขนาดเวลาที่เหมาะสมเพื่อให้ได้สะพาน Bessel 3 (สมการ (2) ในกระดาษ) 3) ใช้ความจริง (บันทึกไว้หลังทฤษฎีบทที่ 1 ในเอกสาร) ว่าจริง ๆ แล้วสะพาน Bessel 3 นั้นมีการกระจายตัวแบบเดียวกับการเดินทางแบบบราวเนียน
ข้อเสียเปรียบเล็กน้อยคือคุณต้องใช้กระบวนการ Bessel เป็นระยะเวลาหนึ่ง (T = 100 ด้านล่าง) บนกริดที่ค่อนข้างละเอียดเพื่อให้สเปซ / สเกลปรับเวลาเปิดท้าย
## Another construction of Brownian excursion via Bessel processes
set.seed(27092017)
## The Bessel process must run for a long time in order to construct a bridge
T <- 100
n <- 100001
d<-3 # dimension for Bessel process
dW <- matrix(ncol = n, nrow = d, data=rnorm(d*n)/sqrt(n/T))
dW[,1] <- 0
W <- apply(dW, 1, cumsum)
BessD <- apply(W,1,function(x) {sqrt(sum(x^2))})
times <- seq(0, T, length.out=n)
# plot(times,BessD, type="l") # Bessel D process
times01 <- times[times < 1]
rescaletimes <- pmin(times01/(1-times01),T)
# plot(times01,rescaletimes,type="l") # compare rescaled times
# create new time index
rescaletimeindex <- sapply(rescaletimes,function(x){max(which(times<=x))} )
BE <- (1 - times01) * BessD[rescaletimeindex]
plot(times01,BE, type="l")
นี่คือผลลัพธ์: