Статистическое моделирование и методы Монте-Карло
documentstyle[12pt]{article}
usepackage{nccbbb}
itle{Моделирование изотропных устойчивых и дробно-устойчивых векторов и вычисление их
плотности методом Монте-Карло}
author{В. В. Учайкин, В. В. Саенко}
egin{document}
maketitle
Впервые дробно-устойчивые плотности появились в работе М. Котульского cite{Kotulski}, как
предельное распределение координаты частицы в процессе случайного блуждания
с непрерывным временем (CTRW). При этом, распределение величины прыжка и времени
покоя между двумя последовательными прыжками имели тяжелые степенные хвосты.
В работе В. Ю. Королева и В. В. Учайкина cite{KorolUch} доказана теорема,
в которой говориться, что если распределение прыжка принадлежит области
нормального притяжения строго устойчивого закона с характеристической функцией
$$
ilde{g}(k;alpha, heta)=expleft{-|k|^{alpha}expleft(-i
frac{pialpha heta}{2}{mbox{sign}},k
ight)
ight},quad kinbbr,quad
0
В основе предлагаемого метода лежат теоремы, доказанные в cite{Samorodnitsky}.
В этих теоремах говорится, что изотропный устойчивый вектор $mathbf{Y}(alpha)$
может быть представлен в виде
egin{equation}label{SL_rvec}
mathbf{Y}(alpha)stackrel{d}{=}sqrt{S(alpha/2)}mathbf{Y}(2),
end{equation}
где $mathbf{Y}(2)$ -- изотропный гауссовский вектор, $S(alpha/2)$ --
односторонняя устойчивая случайная величина (субординатор), а
знак $stackrel{d}{=}$ означает совпадение распределений. Субординтор
моделируется по алгоритму Кантера cite{Kanter}
$$
S(alpha/2)stackrel{d}{=}left[frac{V_{alpha/2}(pi U_1)}{left|ln U_2
ight|}
ight]^{(2-alpha)/2},
V_{eta}(Phi)=frac{[sin(etaPhi)]^{eta/(1-eta)}sin((1-eta)
Phi)}{(sinPhi)^{1/(1-eta)}}.
$$
Здесь $Phi$ -- случайная величина, равномерно распределенная на интервале $(0,pi)$.
Гауссовская случайная величина $Y(2,0)$ -- моделируется по известному алгоритму
$$
Y(2,0)stackrel{d}{=}2sqrt{|ln U_3|}cosleft(2pi U_4
ight),
$$
где $U_j$ -- независимые случайные величины, равномерно распределенные на интервале $(0,1)$.
Основываясь на представлении (
ef{SL_rvec}), нами показано, что дробно-устойчивый
случайный вектор $mathbf{Q}(alpha,eta)$ можно моделировать по формуле
egin{equation}label{FSD_vec}
mathbf{Q}(alpha,eta)stackrel{d}{=}
left[S(eta)
ight]^{-eta/alpha}mathbf{Y}(alpha)=
left[S(eta)
ight]^{-eta/alpha}left[S(alpha/2)
ight]^{1/2}
mathbf{Y}(2),
end{equation}
где $S(eta)$ и $S(alpha/2)$ взаимно независимые субординаторы.
С помощью приведенных алгоритмов можно моделировать не только
многомерные случайные вектора, но и моделировать плотность распределения
случайной точки в $m$-мерном пространстве. Простейший метод, который позвалаяет
реализовать поставленную задачу, это гистограммная оценка метода Монте-Карло.
К сожалению, гистограммная оценка обладает одним существенным недостатком. Получаемые при
помощи ее результаты, содержат как статистическую погрешность, так и систематическую
погрешность. Поэтому, нами был получен алгоритм, который позволяет оценивать
плотность непосредственно в точке, т.е. результаты, даваемые этим алгоритмом,
будут свободны от систематической составляющей погрешности.
В основу этих алгоритмов положено, что устойчивые и дробно-устойчивые случайные
вектора можно представить в виде (
ef{SL_rvec}) и (
ef{FSD_vec}), соответственно.
В результате, формула оценки плотности устойчивого распределения имеет вид
$$
widehat{g}(r;alpha)=frac{1}{N}sum_{j=1}^N
frac{expleft{-r^2/(4S_j(alpha/2))
ight}}{[4pi S_j(alpha/2)]^{m/2}},
$$
где $S_1,...,S_j,...$ независимые копии $S(alpha/2)$.
Это несмещенная, состоятельная оценка для $g(r;alpha)$.
Плотность изотропного дробно-устойчивого распределения можно оценить по формуле
$$
widehat{q}(r;alpha,eta)=frac{1}{N}sum_{j=1}^N expleft{-frac{r^2 [S_j(eta)]^{2eta/alpha}
}{4[S_j(alpha/2)]}
ight}
frac{[S_j(eta)]^{meta/alpha}}{left(4pi [S_j(alpha/2)]
ight)^{m/2}},
$$
где $S_j(alpha/2)$ и $S_j(eta)$ -- независимые копии соответствующих субординаторов.
Используя описанный алгоритм, были табулированы плотности дробно-устойчивых распределений.
Параллельно вычислялась статистическая ошибка, присущая методу Монте-Карло. Сравнение
результатов оценки с известными представлениями дробно-устойчивых плотностей через
специальные функции, показало, что результаты совпадают вплоть до
четвертого знака после десятичной запятой.
Работа выполнена при поддержке грантов РФФИ № 03-01-00163 и Royal Society Grant gt/fSU/JP.
egin{thebibliography}{99}
ibitem{Kotulski} M. Kotulski J. Stat. Phys. v. 81, p. 777-779 (1995)
ibitem{KorolUch} В. Ю. Королев, В. В. Учайкин. Некоторын предельные теоремы для
обобщенных процессов восстановления с тяжелыми хвочтами. {it ТВиП}. т. 45, с. 809-811 (2000).
ibitem{Samorodnitsky} {G. Samorodnitsky, M. S. Taqqu.} extit{Stable Non-Gaussian Random
Processes.} {New-York.}{Chapman and Hall. }{1994}
ibitem{Kanter} {M. Kanter}{Stable densities under change of scale
and total variation inequalities}{Ann. Probab.}{v. 3, p. 697 - 707 (1975).}
end{thebibliography}
end{document}
Примечание. Тезисы докладов публикуются в авторской редакции
© 1996-2000, Институт вычислительных технологий СО РАН, Новосибирск
Ваши комментарии
Обратная связь
[Головная страница]
[Конференции]
© 1996-2000, Сибирское отделение Российской академии наук, Новосибирск
Дата последней модификации: 06-Jul-2012 (11:52:06)