ランダム生成した標本路を表示しています。ページ読み込みのたびに再計算されるので、グラフの見た目が変化します。
ギルバートハウス › ウィーナー過程を見る
ウィーナー過程
標準ウィーナー過程の標本路
コード(生成箇所)
const deltaT = 1.0 / 256.0; const sqrtDeltaT = 1.0 / 16.0; let w1 = 0.0, w2 = 0.0, w3 = 0.0, w4 = 0.0; wienerProcessPathsData.addRow([0.0, w1, w2, w3, w4]); /* while t <= 2.0 */ for (let i = 1; i <= 512; i++) { w1 += rnorm(0.0, sqrtDeltaT); w2 += rnorm(0.0, sqrtDeltaT); w3 += rnorm(0.0, sqrtDeltaT); w4 += rnorm(0.0, sqrtDeltaT); wienerProcessPathsData.addRow([i * deltaT, w1, w2, w3, w4]); }
ガウスランダムウォークとウィーナー過程
- ガウスランダムウォークは、ステップごとの増減が正規分布(ガウス分布)にしたがう離散時間・連続状態の確率過程である。
- $X_0 = 0$
- $G_i \sim \text{N}(0,\ \sigma^2)$として、$X_i = X_{i - 1} + G_i$
- ガウスランダムウォークで
- 1ステップの経過時間を$\Delta t$
- ステップごとの増減の分散を$\Delta t\,\sigma^2$
- $\{X(t),\ t \in [0, +\infty)\}$が分散率$\sigma^2$のウィーナー過程にしたがうとき、
- 任意の$t_1, t_2$(ただし、$0 \leq t_1 \lt t_2$)に対して、$X(t_2) - X(t_1)$は$\text{N}(0,\ (t_2 - t_1)\,\sigma^2)$にしたがう。〔定常増分性(正規分布)〕
- 任意の$t_1, \ldots, t_n$(ただし、$0 \leq t_1 \lt \cdots \lt t_n$)に対して、$X(t_1), X(t_2) - X(t_1), \ldots, X(t_n) - X(t_{n - 1})$は独立である。〔独立増分性〕
- $t \mapsto X(t)$は確率1で連続である。〔確率連続性〕