Olasılıksal Kalkülüse Giriş

Olasılıksal kalkülüse giriş

0. Giriş

• Bu belge, olasılıksal kalkülüse kısa bir giriş niteliğindedir. Olasılık teorisinin karmaşık biçimsel yapısından ziyade fiziksel sezgiye ve Brown hareketinin türetilmesine odaklanır.
• Olasılık uzayı, ölçü teorisi, filtrasyon gibi teknik biçimlerden kaçınılır ve yalnızca iyi tanımlanmış durumlar ele alınır.
• Olasılıksal kalkülüsün fiziksel dünyada nasıl doğal biçimde ortaya çıktığını daha geniş kitlelere anlatmayı amaçlar.

Uygulamalar

• Brown hareketi ve Itô kalkülüsü, gerçek dünyayı modellemek için kullanılan ileri düzey matematiğin örnekleridir.
• Fizik: Einstein, atomların varlığını kanıtlamak için Brown hareketini kullandı.
• Finans: Opsiyon fiyatlaması, stokastik diferansiyel denklemlere dayanır.
• Biyoloji: Rastgele yürüyüşler, türlerin yayılımını veya nöronların ateşlenmesini modeller.
• Makine öğrenmesinde de giderek daha fazla uygulama ortaya çıkmaktadır.

1. Motivasyon

• Pascal üçgeni, binom dağılımını açıklamak için kullanılır.
• Bağımsız denemelerde başarı ve başarısızlık sayısını modeller.
• Gerçek dünya çoğu zaman sürekli süreçler içerdiğinden, kalkülüs daha doğal bir yaklaşımdır.

2. Ayrık adımlardan sürekli sınıra

• Binom dağılımının süreklileşirken taşıdığı matematiksel anlam incelenir.
• Ayrık rastgele yürüyüşlerin sürekli sınırda normal dağılıma yakınsadığı açıklanır.
• Merkezi limit teoremine göre, birçok bağımsız rastgele değişkenin toplamı normal dağılıma yaklaşır.

3. Brown hareketinin tanımı (Wiener süreci)

• Brown hareketi süreklidir, rastgeledir ve zamana orantılı bir varyansa sahiptir.
• Brown hareketinin matematiksel modeli genel yapıda öngörülebilir olsa da yerel ölçekte tamamen öngörülemezdir.

4. Itô kalkülüsü

• Brown hareketi düzensizdir, bu nedenle türevlenebilir değildir.
• Itô kalkülüsü, Brown hareketindeki rastgeleliği ele almak için yeni bir sistem geliştirir.
• Itô lemması, rastgelelik için zincir kuralı sağlar.

5. Stokastik diferansiyel denklemler

• Itô kalkülüsü, stokastik diferansiyel denklemleri ele almak için araçlar sağlar.
• Stokastik diferansiyel denklemler, sistemleri modellemek için deterministik davranış ile stokastik gürültüyü birleştirir.

6. Stratonovich kalkülüsü

• Stratonovich kalkülüsü, Itô kalkülüsündeki ikinci türev terimini kaldırarak standart zincir kuralını korur.
• Fiziksel sistemleri ifade etmede veya hesaplamaları basitleştirmede kullanışlıdır.

Ek

A.0. İleri okuma

• Stokastik diferansiyel denklemlere sezgisel bir giriş ve bunların çözüm yöntemlerini sunan kaynaklar.

A.1. Gösterim

• Belgede kullanılan gösterimlerin listesi verilir.

[GN⁺]

Hacker News görüşleri

• Langevin Dynamics, bir sistemin sönümlenmiş momentumu ile momentuma eklenen gürültüyü kullanan bir yöntemdir. Moleküler dinamik simülasyonlarında ve Bayesçi MCMC örneklemesinde kullanılabilir

  • Yapay zeka bağlamında Langevin Dynamics'ten söz edildiğinde momentum kullanımının çoğu zaman atlandığı görülür. Bunun nedeni, yapay zekada momentum kullanan gradyan inişinin yaygın olarak kullanılmasıdır
  • "Stokastik" terimi, her adımda verinin bir alt örneğinin kullanılarak gradyanın yaklaşık hesaplanmasını ifade eder. Her iki stokastiklik biçimi de aynı anda uygulanabilir
  • İleri lisans / lisansüstü düzeyde matematik bilgisine sahip okurlar için yararlı bir giriş kaynağı var: bağlantı

• Stokastik kalkülüs, bilgisayar kullanarak olası birçok olay akışını simüle etmek gerekip gerekmediği ya da dW'nin dağılımı biliniyorsa önemli nihai çıktılar ve olasılık dağılımlarını çözmeye yarayan daha zarif matematiksel yöntemler olup olmadığı sorusunu gündeme getiriyor. Bu yazı harika ve stokastik kalkülüsü ilk kez anlamaya başlamışım hissi veriyor

• Yakın zamanda karşılaştığım bir örnek var

  • Bir "oyun" oynadığınızı varsayın. 0 ile 1 arasında rastgele bir A sayısı çekiyorsunuz (uniform dağılım). Aynı dağılımdan ikinci bir B sayısı çekiyorsunuz. Eğer A > B ise, B yeniden çekiliyor (A sabit kalıyor). Ortalama olarak kaç çekiş gerekir? (Başka bir deyişle, A'nın ortalama "galibiyet serisi" nedir?)
  • Cevap sonsuzdur. Çünkü bazen A çok yüksek olur ve milyonlarca çekiş gerekebilir

• HN okurlarına soru: Fare genlerinde ölüm oranını etkileyen DNA farklılıklarını içeren yaklaşık 50 konum (lokus) tanımladım. Bunların çoğu, yaşa bağlı karmaşık "sigorta" etkilerine sahip. Ölüm yaşını tahmin etmek istiyorum

  • Stokastik kalkülüs, fare yaşam süresi için bu tür sigorta tahminlerinde yararlı bir yaklaşım olabilir mi?

• Finans alanındaki kişilere, bunların ne kadarının günlük hayatta yararlı olduğuna dair bir soru var

• Bir cümleyi yorumlamaya yardımcı olunması isteniyor

  • "Brownian motion ve Itô calculus, gerçek dünyayı modellemede kullanılan oldukça ileri matematiğin dikkat çekici bir örneğidir" cümlesindeki "Itô calculare" ifadesinin ne anlama geldiğini merak eden bir görüş var

• Itô kalkülüsüne dair bir anlayış paylaşılıyor

  • İlk başta anladığımız tek rastgele süreç Brownian motion'dır
  • Neyse ki koordinatları değiştirebiliriz

• Stokastik kalkülüs çalıştığımı hatırlıyorum

  • Genel istatistikte standart sapmanın "ikinci varyasyon"dan biraz farklı olduğunu fark etmiştim. Bunun nedenini araştırmak için kendime not bırakmıştım. Muhtemelen stokastik volatiliteden kaynaklanıyordur

• Difüzyon modellerinin yapay zeka görüntü üretiminin gizli sosu haline bu kadar hızlı gelmesi hâlâ şaşırtıcı. Ancak kökleri derin biçimde stokastik kalkülüse dayanıyor

  • Brownian motion'ın sonunda kedi memeleri üretmeye yardımcı olacağını kim tahmin ederdi?