Probablità, Statistica e Processi Stocastici
Franco Flandoli, Università di Pisa
Corso per la Scuola di Dottorato in Ingegneria
Discretizzazione equazione del calore
Per l’equazione
∂p
∂t = σ
2
2
∂2p
∂x2 usiamo lo schema esplicito
ptk+1(xi) ptk (xi) ht
= σ
2
2
ptk (xi+1) ptk(xi) +ptk (xi 1) h2x
che calcola ptk+1(xi)a partire da ptk (xi+1), ptk (xi), ptk(xi 1) (per questo servono delle condizioni al bordo)
Serve la condizione di stabilità σ2
2 ht h2x
1 2. Usiamo la condizione iniziale p1
2πeexp (x x0)
2
2e che approssima una delta di Dirac nel punto x0, avendo area uno.
Esempio del MB
Due istanti della simulazione
Confronto con Monte Carlo
Per ottenere lo stesso risultato con MC bisogna simulare un elevato numero N di moti browniani indipendenti e poi fare l’istogramma delle posizioni ad istanti pre…ssati:
Esempio lineare
Consideriamo l’equazione stocastica
dXt = λXtdt+σdBt, X0=1 e l’associata equazione di Fokker-Planck:
∂p
∂t = σ
2
2
∂2p
∂x2 +λ∂(xp)
∂x Ecco il metodo numerico:
ptk+1(xi) ptk (xi) ht
= σ
2
2
ptk (xi+1) ptk (xi) +ptk (xi 1) h2x
+λxi+1p(xi+1) xip(xi) hx
.
Esempio lineare
Partenza da x0 =1
Esempio nonlineare
Consideriamo l’equazione stocastica
dXt = Xt Xt3 dt+σdBt, X0 =0.5 e l’associata equazione di Fokker-Planck:
∂p
∂t = σ
2
2
∂2p
∂x2
∂ x x3 p
∂x Ecco il metodo numerico:
ptk+1(xi) ptk (xi)
ht = σ
2
2
ptk (xi+1) ptk (xi) +ptk (xi 1) h2x
xi+1 xi3+1 p(xi+1) xi xi3 p(xi) hx
Esempio nonlineare e confronto con Monte Carlo
Esempio nonlineare e confronto con Monte Carlo
Calcolo di un valor medio
Nota pt(x), possiamo calcolare ogni valor medio relativo a Xt (es.
media e varianza)
E[ϕ(Xt)] =
Z
ϕ(x)pt(x)dx.
Questo però richiede un’ulteriore integrazione. Resta il metodo migliore se bisogna calcolare diversi valori medi.
In alternativa, si può usare il fatto che la funzione (t, x)7!E[ϕ(Xtx)]
soddisfa, sotto certe ipotesi, un’altra equazione alle derivate parziali (la cosidetta equazione di Kolmogorov, che non studieremo). Qui Xtx è la soluzione della SDE con dato iniziale x.
Monte Carlo o Fokker-Planck?
Quando conviene l’uno o l’altro?
A parte aspetti minori, tipo il fatto che con Monte Carlo si fa la stessa fatica a trovare un istogramma o un valor medio, mentre con
Fokker-Planck per un valor medio serve una successiva integrazione;
mentre per avere una densità liscia con Monte Carlo serve un successivo smoothing, la ragione principale è legata alla dimensione dello spazio.
Più è elevata, più il metodo basato su Fokker-Planck diventa costoso, anzi già molto impegnativo in 3D e proibitivo in dimensione maggiore. Se ad esempio si vuole simulare un sistema di due particelle in 3D, ciascuna quindi con 3 gradi di libertà, la SDE ha 6 gradi di libertà e la
corrispondente Fokker-Planck è in R6: inaccessibile.
Invece l’incremento di corso su Monte Carlo è irrilevante. Quindi MC conviene in dimensione alta.
Tempi lunghi
Un altro problema evidente è far correre le simulazioni per tempi lunghi. Ma su questo problema viene in aiuto il concetto di densità invariante (stazionaria, di equilibrio).
Esaminiamo la situazione in cui b(x)e σ(x) siano indipendenti da t.
Supporremo nel seguito che valga il seguente fatto, che potremmo chiamare teorema di convergenza all’equilibrio:
t!+lim∞pt(x) =p∞(x).
Se abbiamo un modo diretto di calcolare p∞(x), otteniamo un’approssimazione di pt(x)per tempi lunghi.
Densità invariante (equazione)
Sotto opportune ipotesi vale:
Theorem
1 2
∑
d i ,j=1∂i∂j(aijp∞) div(bp∞) =0.
Abbiamo quindi un’equazione con cui cercare di calcolare direttamente p∞(x).
Vedremo negli esempi 1D che è un’equazione più semplice delle precedenti. Infatti diventa la ODE del second’ordine
1
2(ap∞)00 = (bp∞)0.
Densità invariante (perché del nome)
Se consideriamo la SDE con densità iniziale p0(x) =p∞(x), sappiamo che la densità pt(x) soddisfa
∂pt
∂t = 1 2
∑
d i ,j=1∂i∂j(aijpt) div(bpt), p0(x) =p∞(x).
Ma anche la funzione ept (x)def= p∞(x)la soddisfa (ambo i membri sono uguali a zero).
Dando per scontato un opportuno teorema di unicità, deduciamo ept(x) =pt(x), ovvero
pt(x) =p∞(x).
Interpretazione: p∞(x)è invariante (partendo con p∞(x), si osserva sempre p∞(x)).
Il caso 1D
Come abbiamo già osservato, in d =1 abbiamo la ODE 1
2 σ2p∞ 00 = (bp∞)0. Integrando,
1
2 σ2p∞ 0 =bp∞+C0.
E’quindi un’equazione di¤erenziale lineare del prim’ordine, con C0 costante da determinare (di solito C0 =0), a cui vanno aggiunte le condizioni
p∞ 0 Z
p∞(x)dx =1.
Criterio 1D
Nella pratica è utile il seguente criterio:
Se p∞(x)è una funzione che soddisfa 1
2 σ2p∞ 0 =bp∞. p∞ 0 Z
p∞(x)dx =1 allora è la densità invariante.
Esempio equazione lineare
dXt = λXtdt+σdBt, X0=0 L’equazione da risolvere è (proviamo con C0=0)
σ2
2 p∞0 = λxp∞ p∞0 = 2λ
σ2xp∞ la cui soluzione con p∞ 0,R
p∞(x)dx =1, è p∞(x) = 1
Z exp λ
σ2x2 R
Confronto simulativo
Ra¢ guriamo il caso λ=10, σ=1. A sinistra: la formula esatta, con Z =1. La simulazione FP parte da un dato iniziale molto concentrato attorno a x =2, e fornisce il gra…co di destra dopo circa un minuto di simulazione.
Esempio del moto browniano
dXt =σdBt, X0 =0.
L’equazione da risolvere è
σ2
2 p∞0 =C0 ovvero p0∞ =C1, ovvero
p∞(x) =C1x+C2
che però non può soddisfare le condizioni precedenti, per alcuna scelta delle costanti.
Non esiste la densità invariante!
Non sempre esiste!
Esempio equazione non lineare
dXt = Xt Xt3 dt+σdBt, X0 =0 L’equazione da risolvere è
σ2
2 p∞0 = x x3 p∞, p∞0 = 2
σ2 x x3 p∞ la cui soluzione è
p∞(x) = 1
Z exp 2 σ2
x2 2
x4 4 con Z costante di normalizzazione, Z =R
exp 2
σ2 x2
2 x4
4 dx.
Confronto simulativo
Ra¢ guriamo il caso σ=1. A sinistra: la formula esatta, con Z =1. La simulazione FP parte da un dato iniziale concentrato attorno a x =0.5, e fornisce il gra…co di destra dopo circa un minuto di simulazione.
Struttura esercizio su SDE
Verrà assegnata una SDE (es. dXt = Xt Xt3 dt+σdBt).
1 Si chiederà di visualizzare alcune traiettorie, per avere una prima idea del comportamento; magari al variare di parametri, es. σ.
2 Si chiederà di visualizzare la densità tramite Monte Carlo; ed eventualmente di calcolare una probabilità o un valor medio, con Monte Carlo.
3 Si chiederà di visualizzare la densità tramite Fokker-Planck.
4 Si chiederà di scrivere e di risolvere analiticamente l’equazione per la densità invariante (col dovuto aiuto) e di ra¢ gurarla; ed
eventualmente di tentare un confronto con la risoluzione Monte Carlo e/o Fokker-Planck per tempi lunghi.
5 Se l’esempio si presta, si chiederà di svolgere un calcolo tramite la formula di Itô, con eventuale confronto sperimentale del risultato.