Вероятность и статистика · объяснение и практика
Когда противоположные случайные точки уменьшают дисперсию
Как пары U и 1−U сохраняют нужный закон, когда ковариация уменьшает ошибку и почему симметричное расположение точек помогает не каждой функции.

В теме Случайные процессы и имитация: углубление · Учебная карта
В маршруте Вычислительные и планируемые эксперименты · 10 тем
Главная мысль
Антитетическая пара использует зависимые значения с правильными маргинальными законами. Выигрыш относительно двух независимых вычислений появляется при отрицательной ковариации выходов функции, а не просто при симметрии входных точек.
Связываем два входа, сохраняя каждый закон
Пусть U равномерна на (0;1). Величина 1−U тоже равномерна, поэтому среднее двух выходов f(U) и f(1−U) остаётся несмещённой оценкой интеграла f. Но эти выходы зависимы. Для многих независимых пар следует усреднять именно пары и считать их разброс, а не притворяться, что все отдельные выходы независимы.
Если оба выхода имеют дисперсию σ², дисперсия среднего пары равна [2σ²+2Cov]/4. Для двух независимых выходов она была бы σ²/2. Поэтому отрицательная ковариация даёт улучшение, нулевая не меняет результат, а положительная ухудшает его при одинаковом числе вычислений. Положение точек само по себе ещё не говорит о ковариации значений функции.
Проверяем идею на нелинейной функции
Возьмём f(u)=u². Среднее пары равно [U²+(1−U)²]/2=U²−U+1/2. Его ожидание равно 1/3, как и нужный интеграл. Через интегралы степеней получаем Var(U²)=4/45 и Cov(U²,(1−U)²)=−7/90. Подстановка даёт дисперсию пары 1/180.
Два независимых вычисления квадратов дали бы дисперсию 2/45. Отношение 1/180 к 2/45 равно 1/8: при одинаковых двух вычислениях функции ошибка по дисперсии существенно меньше. Это расчёт конкретного интеграла, а не обещание такого коэффициента на любой задаче. Для линейной f(u)=u среднее пары вообще постоянно равно половине.
Пример
Что случится с симметричной функцией f(u)=(u−1/2)²?
Тогда f(1−u)=f(u). Два вычисления полностью повторяют один результат, поэтому не дают уменьшения дисперсии, которое обеспечили бы два независимых входа.
Сравнение требует одинаковой вычислительной цены
Если построено m независимых пар, общая оценка использует 2m значений функции. Её дисперсия равна дисперсии среднего одной пары, делённой на m. Ошибка считать все 2m зависимых значений независимыми скрывает полезную или вредную ковариацию и даёт неверную оценку неопределённости.
При другом исходном распределении противоположность входа нужно определить так, чтобы его закон сохранился. Простое отражение вокруг произвольной точки может нарушить это условие и внести смещение. Перед большим расчётом полезно проверить симметрию распределения, характер функции и стоимость пары; отрицательная корреляция одних координат не гарантирует отрицательной корреляции всего сложного результата.
От чтения к действию
А теперь — вы
Частые вопросы
Все ли симметричные пары уменьшают ошибку?
Нет. Важен знак ковариации значений функции. У симметричной относительно половины функции выходы могут даже совпадать.
Сколько независимых единиц для оценки ошибки в m парах?
m независимых средних пар. Зависимость двух выходов внутри каждой пары должна быть учтена.
Углублённый разбор
Монотонность функции и знак антитетической ковариации
Монотонность функции даёт доказуемый знак антитетической ковариации. Она сильнее визуальной противоположности двух случайных координат.
Перед началом: Ожидание, дисперсия и ковариация; Независимые выборки и взвешенные средние.
Определение и постановка
Если U равномерна на[0,1], f не убывает и имеет конечный второй момент, то f(U) и f(1−U) имеют неположительную ковариацию. Обе величины сохраняют один и тот же маргинальный закон.
Вывод и вычислительный критерий
Возьмём независимую копию V. Для любых квадратично интегрируемых f,g выполняется2Cov(f(U),g(U))=E[(f(U)−f(V))(g(U)−g(V))]. Тождество получается раскрытием скобок и использованием независимости перекрёстных слагаемых.
Здесь g(u)=f(1−u) не возрастает. Если U>V, первый множитель неотрицателен, второй неположителен; при U<V знаки меняются одновременно. Произведение всегда не больше нуля, поэтому его ожидание также неположительно.
Доказательство не требует непрерывности или существования производной. Ступенчатые индикаторы пороговых событий подходят так же, как гладкие функции. Равенство ковариации нулю возможно в вырожденных случаях, поэтому нельзя обещать строгое улучшение для каждой неубывающей функции.
Условия и границы вывода
Знак относится к действительным выходам модели. Неубывание отдельной входной координаты не гарантирует монотонность сложного многомерного итогового алгоритма. Разветвления и взаимодействия координат способны изменить зависимость.
Для двух одинаково распределённых выходов дисперсия среднего пары равна половине индивидуальной дисперсии плюс половине ковариации. Поэтому доказанный неположительный знак гарантирует отсутствие проигрыша относительно двух независимых вычислений при той же цене функции.
Пары разных повторений всё равно должны быть независимыми для обычного деления дисперсии на число пар. Использование одного U для всех пар не увеличивает независимый объём и не создаёт нужного усреднения.
Доказательство сохраняется и для невозрастающейf: тогда отражённая функция не убывает, а знаки разностей снова противоположны. Важна монотонность в одном направлении, а не обязательное увеличение значений. Произвольная смена направления внутри интервала уже не даёт поточечного знакового аргумента.
Пусть U и V независимы. Тождество 2Cov(a(U),b(U))=E[(a(U)−a(V))(b(U)−b(V))] сводит знак ковариации к знакам двух разностей. При возрастающем a и убывающем b их произведение неположительно для каждой пары. Этот аргумент требует существования соответствующих вторых моментов и не переносит одномерный порядок автоматически на многомерный случай.
Разобранная задача
Условие. Пусть f(u)=1 при u>1/4 и0 иначе. Найдите ковариацию f(U),f(1−U) и дисперсию среднего антитетической пары.
- Каждый индикатор имеет среднее3/4 и дисперсию3/16.
- Оба равны единице при1/4<U<3/4; совместная вероятность равна1/2.
- Ковариация равна1/2−(3/4)²=−1/16.
- Дисперсия среднего пары равна(3/16−1/16)/2=1/16; независимая пара имела бы3/32.
Ответ. Ковариация равна−1/16, дисперсия пары1/16 против3/32 у независимого усреднения.
Проверка. На двух внешних четвертях среднее пары равно1/2, на средней половине равно1. Прямое распределение с массами1/2 и1/2 даёт среднее3/4 и дисперсию1/16.
Где легко ошибиться. Отрицательная связь U и1−U не переносится на произвольную немонотонную f без отдельной проверки.
Проверьте понимание
Вопросы к этой главе
Нужна ли строгая монотонность?
Для неположительного знака нет. При строгом изменении на множестве положительной меры можно получить строгую отрицательность, но постоянная функция даёт нулевую ковариацию.
Почему индикатор допустим?
Он ограничен и не убывает, хотя имеет скачок. В доказательстве используются только разности значений и знак произведения, а не производные.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Art Owen: Monte Carlo, chapter 8
Веб-ридер дал timeout; PDF прочитан через urllib и pypdf. Проверены §8.2 антитетики, §8.4 стратификация и стоимость, §8.6 общие числа, §8.9 несколько контролей. Примеры и перекрёстная проверка собственные.
Симметричная и антисимметричная части: точный критерий выигрыша антитетики
Разложение функции по отражению точно показывает, какую часть шума убирает антитетическая пара. Симметричная часть сохраняется целиком.
Перед началом: Ожидание, дисперсия и ковариация; Независимые выборки и взвешенные средние.
Определение и постановка
Положим f₊(u)=[f(u)+f(1−u)]/2 и f₋(u)=[f(u)−f(1−u)]/2. Первая функция симметрична, вторая меняет знак при отражении u→1−u.
Вывод и вычислительный критерий
Для равномерной U антисимметричная часть имеет среднее ноль. Произведение центрированной симметричной части на антисимметричную меняет знак при отражении, поэтому его интеграл нулевой. Получаем ортогональное разложение Varf=Varf₊+Varf₋.
Среднее антитетической пары в точности равно f₊(U), значит его дисперсия равна Varf₊. Две независимые оценки при той же цене имеют дисперсию(Varf₊+Varf₋)/2. Следовательно, антитетика выигрывает тогда, когда Varf₋>Varf₊, и проигрывает при обратном неравенстве.
Такой критерий объясняет, почему сам факт отражения входов недостаточен. Если функция почти симметрична, новая точка повторяет уже полученное значение. Если преобладает антисимметричный шум вокруг постоянного среднего, отражение эффективно его сокращает.
Условия и границы вывода
Разложение требует конечного второго момента для дисперсионных сравнений. Само алгебраическое разделение возможно шире, но бесконечные моменты не дают конечного коэффициента эффективности.
Для другого распределения отражение должно сохранять меру. Произвольная геометрическая симметрия без вероятностной инвариантности разрушит нулевое среднее антисимметричной части и может изменить целевой интеграл.
Сравнение должно учитывать два вычисления функции на пару. Если вычисление отражённого выхода бесплатно благодаря дополнительной структуре алгоритма, практическая цена отличается и вывод о вычислительной эффективности нужно сформулировать заново. Здесь сравнивается одинаковая стандартная цена каждого вызова функции.
Если добавить к симметричной функции линейный членu−1/2, его среднее ноль и он целиком исчезнет в паре. Дисперсия независимой оценки увеличится на1/12, тогда как парная останется1/180. Одна новая антисимметричная компонента способна превратить проигрыш в выигрыш без изменения самого отражения входов.
Ортогональность симметричной и антисимметричной частей следует из замены u на1−u в интеграле их произведения: интеграл меняет знак и потому равен нулю. После центрирования симметричной части сравнение с двумя независимыми выходами сводится к проверке Var(f₊) против Var(f₋), а не к внешнему виду отражённой пары.
Разобранная задача
Условие. Для f(u)=(u−1/2)² на[0,1] сравните дисперсии одной антитетической пары и двух независимых вычислений.
- Функция симметрична: f(1−u)=f(u). Поэтому f₊=f, а f₋=0.
- Среднее функции равно∫₀¹(u−1/2)²du=1/12.
- Второй момент равен∫₀¹(u−1/2)⁴du=1/80; дисперсия1/80−1/144=1/180.
- Среднее антитетической пары повторяет f(U) и имеет дисперсию1/180; независимая пара даёт1/360.
Ответ. При одинаковых двух вычислениях антитетическая пара вдвое хуже по дисперсии:1/180 против1/360.
Проверка. На каждой конкретной точке U два антитетических выхода буквально одинаковы. Их ковариация равна собственной дисперсии, поэтому усреднение не сокращает шум; это проверяет результат независимо от интегралов.
Где легко ошибиться. Симметрия функции относительно точки отражения является причиной полного дублирования, а не гарантией уменьшения ошибки.
Проверьте понимание
Вопросы к этой главе
Можно ли заранее увидеть проигрыш без вычисления интегралов?
Да. Тождество f(1−u)=f(u) уже показывает совпадение выходов. Интегралы нужны лишь для конкретного численного масштаба проигрыша.
Что происходит с чисто антисимметричной частью?
Она сокращается в каждой паре до нуля. Добавление постоянной не меняет её дисперсию и даёт точный постоянный парный результат.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Art Owen: Monte Carlo, chapter 8
Веб-ридер дал timeout; PDF прочитан через urllib и pypdf. Проверены §8.2 антитетики, §8.4 стратификация и стоимость, §8.6 общие числа, §8.9 несколько контролей. Примеры и перекрёстная проверка собственные.
Латинский гиперкуб: что исчезает у аддитивной функции
Латинский гиперкуб распределяет точки по слоям каждой координаты отдельно. Его выигрыш объясняется сокращением колебаний однофакторных частей функции. Взаимодействие координат ведёт себя иначе: даже при правильной рандомизации конечная дисперсия может увеличиться.
Перед началом: Условные вероятности и математическое ожидание; Частоты и поля таблицы.
Координатная стратификация
Разделим [0,1] на n равных интервалов для каждой из d координат. Для каждой координаты независимо выберем равномерную перестановку слоёв по n точкам. В назначенном слое выберем равномерную позицию с независимым внутрислойным шумом. Каждая координатная проекция набора содержит ровно одну точку из каждого слоя.
Из-за случайных перестановок отдельная точка равномерна на всём кубе: её координатные назначения независимы и равномерны. Среднее f по n точкам поэтому несмещённо. Точки одного набора зависимы, и их внутренний разброс не подчиняется формуле IID. Разные координаты связываются перестановками; в отличие от полного факторного плана все nᵈ комбинаций слоёв не перебираются.
Что сокращается у суммы функций
Если f(x)=Σgⱼ(xⱼ), среднее раскладывается в сумму отдельных стратифицированных оценок. Перестановка не меняет сумму по одной координате: остаётся ровно одно значение из каждого её слоя. Исключается случайный дисбаланс числа точек между слоями. Внутрислойная изменчивость gⱼ, однако, сохраняется при равномерном шуме.
Для линейной координаты и n слоёв дисперсия одного внутрислойного значения равна 1/(12n²), а дисперсия их среднего — 1/(12n³). При независимой рандомизации координат дисперсии аддитивных частей складываются. Если заменить равномерные позиции серединами слоёв, линейная сумма станет точной, но это другая, не полностью равномерная рандомизация точек.
Взаимодействие не сводится к сумме проекций
Функция (x−1/2)(y−1/2) имеет нулевые однофакторные средние. Координатная стратификация не уничтожает её взаимодействие: случайное соответствие низких и высоких слоёв способно согласованно менять знак обоих выходов. Поэтому нельзя переносить аддитивный коэффициент эффективности на произвольную многомерную функцию.
При n=2 с независимым внутрислойным шумом дисперсия среднего для этой функции равна 25/4608, а для двух IID-точек — 1/288. Конечный проигрыш равен множителю 25/16. Это не опровергает асимптотические результаты при подходящих условиях; он показывает, что конечное обещание «всегда лучше» требует более сильной теоремы, чем правильные маргиналы.
Две точки для суммы двух координат
Условие. Постройте двумерный латинский гиперкуб из двух точек с независимыми координатными перестановками и равномерными внутрислойными позициями. Для f(x,y)=x+y найдите дисперсию среднего двух выходов.
- Для каждой координаты есть одно значение Uₗ из [0,1/2) и одно Uₕ из [1/2,1). Порядок их назначения точкам не меняет сумму.
- Внутрислойные позиции независимы и имеют дисперсии 1/48. Среднее по одной координате имеет дисперсию (1/48+1/48)/4=1/96.
- Две координатные конструкции независимы, поэтому оценка x+y имеет дисперсию 1/96+1/96=1/48 и среднее один.
- Для IID-точки Var(x+y)=1/6. Два независимых выхода дали бы 1/12; выбранный гиперкуб уменьшает дисперсию в четыре раза при тех же двух вычислениях функции.
Ответ. Оценка несмещённа со средним один, её дисперсия равна 1/48 против IID-значения 1/12.
Проверка. Представление оценки как половины суммы четырёх независимых внутрислойных величин прямо даёт 4·(1/48)/4=1/48, независимо от обеих перестановок.
Где легко ошибиться. «Одна точка в каждом слое» не означает «одна точка в каждой многомерной клетке». При двух координатах и n точках гиперкуб посещает только n из n² клеток, поэтому взаимодействие способно остаться главным источником разброса.
Проверьте понимание
Вопросы к этой главе
Почему случайные перестановки нужны отдельно по координатам?
Они обеспечивают независимые равномерные назначения слоёв для каждой отдельной точки. Принудительно одинаковые перестановки способны создать диагональное распределение и изменить математическое ожидание взаимодействующей функции.
Почему линейная сумма не стала совершенно точной?
Мы сохранили равномерный внутрислойный шум. Точность для линейной суммы получается при фиксированных серединах слоёв, но она не позволяет объявить такой набор равномерным для любого интегранта.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Luke Tierney STAT7400 §9.6.4: Latin hypercube sampling
Прочитан авторский университетский §9.6.4: независимые координатные перестановки и равномерные позиции внутри слоёв. Собственные аддитивный расчёт и конечный контрпример взаимодействия проверены точными моментами.
Групповое усреднение: удаление угловых гармоник случайными поворотами
Четыре повёрнутые точки могут устранить целые угловые гармоники интегранда. Это расширяет парную антитетику: выигрывать можно за счёт конечной группы симметрий, а не только отрицательной ковариации двух значений.
Перед началом: Условная вероятность; Точная арифметика.
Случайный сдвиг сохраняет интеграл
Пусть θ равномерна на [0,2π), а f — интегрируемая периодическая функция. Возьмём G(θ)=[f(θ)+f(θ+π/2)+f(θ+π)+f(θ+3π/2)]/4 с аргументами по модулю 2π. Каждый повёрнутый аргумент равномерен, поэтому EG равно среднему f по окружности. Внутри четвёрки значения зависимы, и оценивать дисперсию как для четырёх независимых точек нельзя. Независимые повторы целых четвёрок уже дают обычную независимую выборку G.
Гармоники проходят фильтр по частоте
Для комплексной моды e^(ikθ) усреднение добавляет множитель [1+iᵏ+(−1)ᵏ+(−i)ᵏ]/4. Он равен единице, если k делится на четыре, и нулю иначе. Значит группа удаляет все гармоники неподходящих частот и сохраняет постоянную часть. Парный поворот на π удалял бы только нечётные частоты. Новая четвёрка дополнительно уничтожает частоту два, но не частоту четыре. Структура функции определяет выигрыш, а не число точек само по себе.
Сравнивайте при равной цене
Для конечного тригонометрического полинома ортогональность гармоник даёт дисперсию как сумму половин квадратов синусных и косинусных коэффициентов. После группового усреднения остаются только кратные четырём частоты. Чтобы сравнить с четырьмя независимыми значениями f, их дисперсию делят на четыре. Если f состоит только из кратной четырём гармоники, группа ничего не усредняет и может быть хуже независимой четвёрки. При более общих функциях нужно проверить квадратную интегрируемость и корректность используемого разложения.
Разобранная задача
Условие. Пусть f(θ)=3+2cosθ+cos2θ+(1/2)cos4θ. Найдите среднее и дисперсию одной поворотной четвёрки G; сравните с четырьмя независимыми вычислениями f.
- Среднее всех непостоянных косинусов равно нулю, поэтому интегральное среднее f равно трём.
- Поворотная четвёрка удаляет частоты один и два, сохраняя G(θ)=3+(1/2)cos4θ.
- Её дисперсия равна (1/2)²·Ecos²4θ=1/8. Исходная Var(f) равна [2²+1²+(1/2)²]/2=21/8.
- Среднее четырёх независимых значений имеет дисперсию (21/8)/4=21/32. При одинаковых четырёх вычислениях групповой результат 1/8 меньше.
Ответ. Обе оценки имеют среднее 3. Дисперсия поворотной четвёрки равна 1/8, независимой четвёрки — 21/32.
Проверка. Подстановка четырёх углов θ=0,π/2,π,3π/2 даёт значения 6,5;2,5;2,5;2,5 и среднее 3,5, совпадающее с G(0)=3,5. Проверка показывает сохранение частоты четыре, а не ошибочную константу три.
Где легко ошибиться. Не называйте групповой результат четырьмя независимыми наблюдениями. Их общий θ создаёт точно организованную зависимость, которая устраняет одни моды и сохраняет другие.
Проверьте понимание
Вопросы к этой главе
Почему общий поворот θ нужен случайный?
Он обеспечивает несмещённое интегрирование сохранившихся гармоник. Одна фиксированная четвёрка может систематически попадать в одинаковую фазу частоты четыре.
Когда группа даст точный ответ за четыре вычисления?
Для полинома без непостоянных частот, кратных четырём. Тогда после усреднения остаётся только постоянный член и дисперсия равна нулю.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Art B. Owen: Monte Carlo Theory, Methods and Examples, chapter10
Обобщённая антитетическая выборка: усреднение по преобразованиям и устранение компонент интегранда.
Непрерывный барьер между узлами: условное Монте-Карло по мосту
Траектория может пересечь барьер и вернуться ниже него до следующего наблюдения. Уменьшение шага сетки лишь приближает эту проблему. При постоянной диффузии вероятность пропущенного пересечения известна условно по концам интервала и позволяет заменить случайный индикатор вычисленным весом.
Перед началом: Нормальная переходная плотность и принцип отражения; Условное математическое ожидание и разложение дисперсии.
Концы интервала не описывают его максимум
Арифметическое броуновское движение X(t)=x+μt+σW(t), постоянные μ и σ>0, непрерывный верхний барьер b. Рассматриваются условные траектории между точно заданными узлами.
Пусть X(0)=x<b и X(Δ)=y<b. Даже при этих двух условиях максимум на всём интервале способен превысить b. Условная траектория имеет закон броуновского моста с линейным средним от x к y. Постоянный дрейф после фиксации концов сокращается: он меняет вероятность самих концов, но не условную вероятность пересечения между ними.
Для такого интервала p(x,y)=exp[−2(b−x)(b−y)/(σ²Δ)]. Если хотя бы один конец достигает b, пересечение уже известно и p=1. Равенство относится к непрерывному процессу с постоянной диффузией. Подстановка локальной волатильности произвольной модели в эту формулу является дополнительным приближением, а не той же точной теоремой.
Отражение объясняет экспоненту
Для нулевого дрейфа плотность траекторий из x в y, успевших коснуться b, равна свободной переходной плотности из отражённого начала 2b−x в y. Отношение этой плотности к обычной нормальной плотности из x в y даёт условную вероятность. Разность квадратов расстояний равна 4(b−x)(b−y); после деления на 2σ²Δ получается указанная экспонента.
На нескольких неперекрывающихся интервалах условно по всем узлам мосты независимы. Поэтому вероятность не коснуться барьера равна произведению ∏(1−pᵢ), а вероятность хотя бы одного касания — 1−∏(1−pᵢ). Сумма отдельных pᵢ обычно завышает результат, поскольку одна траектория может пересечь барьер в нескольких интервалах.
Условный вес убирает лишнюю случайность
В моделировании можно после генерации узлов дополнительно разыграть касание с вероятностью p. Но если требуется среднее индикатора касания, выгоднее вернуть сам p, а для нескольких интервалов — вычисленный общий вес. Закон полного ожидания сохраняет правильное среднее, а Var(E[I|узлы])≤Var(I) следует из разложения полной дисперсии.
Сравнение с наивным индикатором по узлам другое: такой индикатор вообще измеряет дискретное наблюдение барьера и систематически пропускает внутрисеточные события. Условный вес исправляет именно эту разницу моделей при точной формуле моста. Он не обещает нулевую общую дисперсию: при случайных концах вычисленный вес также случаен.
Два возвращения ниже барьера
Условие. Заданы узлы X(0)=0, X(1)=1/2, X(2)=0 при σ=1 и верхнем барьере b=1. Найдите условную вероятность хотя бы одного касания на [0,2]. Постоянный дрейф произволен.
- Оба конца каждого единичного интервала ниже 1, поэтому индикатор касания по трём узлам равен нулю. Это ещё не ответ для непрерывной траектории.
- На первом интервале p₁=exp[−2(1−0)(1−1/2)]=e⁻¹. На втором p₂=exp[−2(1−1/2)(1−0)]=e⁻¹.
- После фиксации среднего узла мосты на [0,1] и [1,2] независимы. Вероятность отсутствия обоих касаний равна (1−e⁻¹)².
- Вероятность хотя бы одного касания равна 1−(1−e⁻¹)²=2e⁻¹−e⁻²≈0,600424. Сложение двух вероятностей 2/e забывает вычесть совместное событие e⁻².
- Если дополнительно разыгрывать общий индикатор при этих фиксированных узлах, его условная дисперсия равна p(1−p). Возвращаемый условный вес p не содержит этой дополнительной случайности.
Ответ. Условная непрерывная вероятность равна 2/e−1/e²≈0,600424; узловой индикатор 0 пропускает её.
Проверка. На первом интервале отражённое расстояние до y равно 3/2 вместо 1/2. Отношение нормальных плотностей exp[−((3/2)²−(1/2)²)/2]=e⁻¹ независимо подтверждает p₁; второй интервал симметричен.
Где легко ошибиться. Не заменяйте вероятность непрерывного касания индикатором превышения на узлах и не складывайте вероятности касаний соседних мостов без учёта их пересечения.
Проверьте понимание
Вопросы к этой главе
Почему дрейф исчез из формулы?
Условие на оба конца превращает постоянный дрейф в уже зафиксированное линейное перемещение. Вероятность самих наблюдённых концов от дрейфа зависит; условная форма моста — нет.
Будет ли формула точной при меняющейся σ(X)?
В общем случае нет. Нужно выводить подходящий условный закон или контролировать приближение. Здесь постоянная диффузия является существенным условием, а не удобной записью.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Emmanuel Gobet: Advanced Monte Carlo methods for barrier and related exotic options, §1
Выводит вероятность барьерного события через броуновский мост и сравнивает условный вес с дополнительным разыгрыванием касания. Здесь арифметическая модель с верхним барьером разобрана через отражение и два условно независимых интервала.
Источники и работа с материалом
Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.
Продолжить разбираться
Как величина с известным ожиданием помогает оценить другую
Как центрированная величина с известным ожиданием сохраняет ответ и уменьшает разброс, зачем нужен коэффициент ковариации и чем опасна его подгонка на той же выборке.
Открыть темуКак случайные точки оценивают площадь и её неопределённость
Как доля случайных попаданий оценивает площадь внутри известной рамки, откуда берётся стандартная ошибка и почему один удачный запуск не является точным доказательством.
Открыть тему