Pengantar Kalkulus Stokastik

Pengantar Kalkulus Stokastik

0. Pendahuluan

• Dokumen ini merupakan pengantar singkat tentang kalkulus stokastik. Fokusnya bukan pada formalisme rumit teori probabilitas, melainkan pada intuisi fisik dan penurunan gerak Brown.
• Formulasi teknis seperti ruang probabilitas, teori ukuran, dan filtrasi dihindari, dan hanya kasus yang terdefinisi dengan baik yang dipertimbangkan.
• Tujuannya adalah memperkenalkan secara luas bagaimana kalkulus stokastik muncul secara alami di dunia fisik.

Aplikasi

• Gerak Brown dan kalkulus Itô adalah contoh matematika tingkat lanjut yang digunakan untuk memodelkan dunia nyata.
• Fisika: Einstein menggunakan gerak Brown untuk membuktikan keberadaan atom.
• Keuangan: Penetapan harga opsi bergantung pada persamaan diferensial stokastik.
• Biologi: random walk memodelkan penyebaran spesies atau pemicuan neuron.
• Aplikasinya juga semakin banyak muncul dalam machine learning.

1. Motivasi

• Segitiga Pascal digunakan untuk menjelaskan distribusi binomial.
• Ini memodelkan jumlah keberhasilan dan kegagalan dalam percobaan yang independen.
• Dunia nyata sering kali melibatkan proses kontinu, sehingga kalkulus lebih alami.

2. Dari langkah diskret ke limit kontinu

• Mengeksplorasi makna matematis ketika distribusi binomial ditransformasikan secara kontinu.
• Menjelaskan bahwa random walk diskret berkumpul ke distribusi normal pada limit kontinu.
• Menurut teorema limit pusat, jumlah banyak variabel acak independen mendekati distribusi normal.

3. Definisi gerak Brown (proses Wiener)

• Gerak Brown bersifat kontinu, acak, dan memiliki varians yang sebanding dengan waktu.
• Model matematis gerak Brown dapat diprediksi secara global, tetapi sepenuhnya tak dapat diprediksi secara lokal.

4. Kalkulus Itô

• Gerak Brown tidak teratur sehingga tidak dapat didiferensialkan.
• Kalkulus Itô mengembangkan sistem baru untuk menangani keacakan gerak Brown.
• Lemma Itô menyediakan chain rule untuk keacakan.

5. Persamaan diferensial stokastik

• Kalkulus Itô menyediakan alat untuk menangani persamaan diferensial stokastik.
• Persamaan diferensial stokastik memodelkan sistem dengan menggabungkan perilaku deterministik dan noise stokastik.

6. Kalkulus Stratonovich

• Kalkulus Stratonovich menghapus suku turunan kedua dari kalkulus Itô sehingga mempertahankan chain rule standar.
• Ini berguna untuk menyederhanakan sistem fisik atau perhitungan.

Lampiran

A.0. Bacaan tambahan

• Materi yang memberikan pengantar intuitif tentang persamaan diferensial stokastik serta cara penyelesaiannya.

A.1. Notasi

• Menyediakan daftar notasi yang digunakan dalam dokumen.

[GN⁺]

Opini Hacker News

• Langevin Dynamics adalah metode yang menggunakan momentum sistem yang teredam dan noise yang disisipkan ke dalam momentum. Ini dapat digunakan untuk simulasi dinamika molekuler dan sampling MCMC Bayesian

  • Dalam konteks AI, saat Langevin Dynamics disebut, penggunaan momentum sering kali dihilangkan. Ini karena gradient descent dengan momentum banyak digunakan di AI
  • Istilah "stokastik" berarti gradien diaproksimasi dengan menggunakan subsampel data pada setiap langkah. Kedua bentuk stokastisitas dapat diterapkan secara bersamaan
  • Ada materi pengantar yang berguna untuk pembaca dengan pengetahuan matematika tingkat sarjana lanjut/pascasarjana: tautan

• Stochastic calculus menimbulkan pertanyaan apakah kita harus menggunakan komputer untuk mensimulasikan banyak kemungkinan perkembangan kejadian, atau apakah ada pendekatan matematis yang lebih elegan yang memungkinkan kita menyelesaikan output akhir penting dan distribusi probabilitasnya jika kita mengetahui distribusi dW. Artikel ini sangat bagus dan memberi kesan bahwa saya akhirnya mulai memahami stochastic calculus untuk pertama kalinya

• Ada contoh yang baru saya alami belakangan ini

  • Anggap kita memainkan sebuah "permainan". Kita mengambil angka acak A antara 0 dan 1 (distribusi uniform). Kita mengambil angka kedua B dari distribusi yang sama. Jika A > B, maka B diambil lagi (A tetap dipertahankan). Rata-rata, berapa kali pengambilan yang dibutuhkan? (Dengan kata lain, berapa rata-rata "rentetan kemenangan" A?)
  • Jawabannya adalah tak hingga. Alasannya, kadang A sangat tinggi sehingga bisa diperlukan jutaan kali pengambilan

• Pertanyaan untuk pembaca HN: saya telah mendefinisikan sekitar 50 lokasi (lokus) yang mencakup perbedaan DNA yang mengatur mortalitas dalam gen tikus. Sebagian besar memiliki efek "asuransi" yang kompleks dan bergantung pada usia. Saya ingin memprediksi usia kematian

  • Apakah stochastic calculus bisa menjadi pendekatan yang berguna untuk prediksi asuransi terkait harapan hidup tikus?

• Ada pertanyaan untuk orang-orang di bidang keuangan tentang seberapa banyak hal ini berguna dalam pekerjaan sehari-hari

• Ada permintaan bantuan untuk menafsirkan sebuah kalimat

  • Dalam kalimat "Gerak Brown dan kalkulus Itô adalah contoh yang sangat menonjol dari matematika tingkat lanjut yang diterapkan untuk memodelkan dunia nyata", ada komentar yang bertanya-tanya apa yang dimaksud dengan "Itô calculare"

• Membagikan pemahaman tentang kalkulus Itô

  • Satu-satunya proses acak yang mula-mula kita pahami adalah gerak Brown
  • Untungnya, kita dapat mengubah koordinat

• Ada ingatan saat mempelajari stochastic calculus

  • Saya memperhatikan bahwa simpangan baku dalam statistika umum sedikit berbeda dari "variasi kuadratik". Saya meninggalkan catatan untuk menyelidiki alasannya. Mungkin karena volatilitas stokastik

• Masih mengejutkan bahwa diffusion model dengan cepat menjadi sumber rahasia di balik pembuatan gambar AI. Namun akarnya tertanam sangat dalam dalam stochastic calculus

  • Siapa sangka gerak Brown pada akhirnya akan membantu membuat meme kucing