问题标签 [stochastic-process]

这个问题在参考是来自代码高尔夫挑战的观察。

提交的 R 解决方案是一个可行的解决方案，但我们中的一些人（也许只有我）似乎对为什么X=m需要进行初始重新分配感到目瞪口呆。

@Giuseppe 对代码进行了一些修改，因此我将为读者写一些评论。

据我所知。乘法X%*%m等价于X%*%X因为X是 的一个迭代自乘版本m。矩阵收敛后，将其他副本相乘m或X不改变其值。请参阅线性代数教科书或v(m)%*%v(m)%*%v(m)%*%v(m)%*%v(m)%*%m%*%m将上述函数定义为v。好玩吧？

那么问题来了，为什么@CodesInChaos 对这个想法的实现行不通呢？

这是由浮点精度问题引起的吗？或者这是由代码中的 a 函数引起的，例如不等式检查或 .Primitive("any")？我不相信这是as.logical由于 R 似乎强制错误小于.Machine$double.xmin0 造成的。

这是上面的演示。m我们只是循环并获取和之间的差异m%*%m。当我们尝试收敛随机矩阵时，该误差变为 0。它似乎收敛然后吹到 0/INF 最终取决于输入。

关于为什么这是一个浮点数学问题的一些额外想法

1）循环表明这可能不是any任何逻辑检查/转换步骤的问题，而是与浮点矩阵数学有关。

2）@user202729 在原始线程中的评论说这个问题在果冻中仍然存在，代码高尔夫语言更加相信这可能是一个浮点问题。

我需要帮助解决 Langevins 无量纲随机微分方程，其中随机力在数学中随 Sqrt(tao) 变化。

我的财务数据具有以下值：“数量”、“利润/损失”、“成本”等

现在，可以安全地假设该数据集中的每条记录都是单个随机变量的“实现”或结果，因此我们可以将此数据集建模为一组 iid 随机变量。

现在，我想利用这个数据集来模拟这个随机变量的潜在分布。

谁能指出我正确的方向？

假设我有三个序列：

这些序列存储在三个不同的 CSV 文件中。我想从这些数据[聚合]中计算一阶马尔可夫链。

实际上，我想从每个文件中读取序列（即 A 到 B 从文件 1 发生 2 次，从文件 2 发生 1 次，从文件 3 发生 3 次。A 总共发生 10 次。所以，概率为 6 /10。

注意如果我计算每个文件的转换概率并将它们平均。会一样吗？

我想使用以下表达式为 100 个不同的种子生成一系列随机方程：

最后，我想将 100 个“Y”时间序列保存到一个矩阵中。

如何创建一个循环来保存“Y”时间序列的每个值？

我的印象是涉及几何布朗运动的模拟不应该产生负数。但是，我在 R 中为 GBM 尝试了以下蒙特卡罗模拟，其中我的初始资产价格为：$98.78$，$\mu = 0.208$，$\sigma = 0.824$。我这样初始化了我的数据框：（我只是在 5 年内进行 1000 次模拟，每年模拟价格）

然后：

然后我执行模拟（dt = 1）：

然后当我检查 V_df 时，有很多负面条目，这不应该是这种情况。有人知道为什么会这样吗？

谢谢。

我想在 python中执行矩阵平衡。我想使用linalg.matrix_balance以使输入矩阵成为双重随机矩阵：

看起来它实际上并没有平衡矩阵的行和列。知道我该怎么做吗？

如果我做：y, permscale = linalg.matrix_balance(x, scale=False)

结果也没有标准化：

我已经设法使用 scipy.integrate.quad 为我的随机过程类编写了几行代码

我有标准布朗运动的马尔可夫转换函数

但是我想计算以下我将用不起作用的代码编写的内容。我是这样写的，所以我们可以在不使用乳胶的情况下理解问题。

您可能注意到问题在于内部积分中发生的二元问题。我做了以下但不确定：

然后我得到

我喜欢 Python 及其 lambda 函数，但似乎对此不确定。你觉得呢？你有没有什么想法？感谢您的时间。

我正在尝试完全按照https://www.math.fsu.edu/~ychen/research/Thinning%20algorithm.pdf中的算法 3 中给出的 Ogata 的细化算法，使用他们指定的参数来生成图 2。

这是逐字复制它的代码。

然而，我设法得到（运行多次）的 lambda 与时间的图是这样的，与他们在图 2 中得到的图（呈指数下降）相去甚远。

我不确定我在做什么错误。如果有人可以提供帮助，那就太好了。这是我的研究所需要的。我来自生物学，所以如果我做了一些愚蠢的事情，请原谅。谢谢。

我最近开始和 Julia 一起玩，我目前正在对二维晶格上的一些随机过程进行蒙特卡罗模拟。每个站点都有一些相关的激活率（平均每秒它“做某事”的次数），我们可以假设它是近似恒定的。晶格位点的激活顺序是相关的，因此我们需要一种随机选择一个特定位点的方法，其概率与激活率成正比。

sample(sites,weights(rates))从包中看起来StatsBase正是我正在寻找的东西，但是通过测试我的代码结构（没有逻辑，只有循环和 RNG），结果证明它sample()与站点数量成线性关系。这意味着总体上我的运行时间像 N^(2+2) 一样缩放，其中 N 在我的二维晶格的边长中（一个因子为 2 来自总活动率的增加，另一个来自 的缩放sample()）。

现在，总活动率的增加是不可避免的，但我认为“随机选择权重”方法的缩放比例可以改进。更具体地说，应该能够实现与站点数量的对数缩放（而不是线性）。例如考虑以下功能（请原谅糟糕的编码）

因为我们在每一步中将“可挑选”站点的数量减半，所以需要 n 步才能从 2^n 中挑选一个特定站点（因此是对数缩放）。但是，在其当前状态下，它的速度比缩放实际上randompick()要慢得多。sample()有没有办法将此方法简化为可以与之竞争sample()并因此利用改进的缩放比例的形式？

编辑：也计算cumrates像 N^2 这样的比例，但这可以通过rates在整个代码中以正确的（累积）形式使用来解决。