Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
ざっと学んでみる確率過程 〜その1 : ブラウン運動〜
Search
NearMeの技術発表資料です
PRO
January 19, 2024
Science
0
220
ざっと学んでみる確率過程 〜その1 : ブラウン運動〜
確率過程のイントロダクションとして、ブラウン運動を用いて、解について色々と調べています。各粒子の存在分布がどのようになるのか、それについて概論的にまとめています。
NearMeの技術発表資料です
PRO
January 19, 2024
Tweet
Share
More Decks by NearMeの技術発表資料です
See All by NearMeの技術発表資料です
2つの曲線を比較する方法ってあるの? 〜フレシェ距離を試してみた〜 with Python
nearme_tech
PRO
1
18
Constrained K-means Clustering (クラスタサイズの制限をしたK-means法) を調べてみた
nearme_tech
PRO
0
16
VRPの近傍操作SWAP*について調べてみた
nearme_tech
PRO
1
49
新人エンジニアが読んでためになった本
nearme_tech
PRO
2
21
Object–relational mapping and query builder battle 1: Intro to Prisma
nearme_tech
PRO
1
29
深層学習モデルの最適化 -Deep Learning Tuning Playbookを読む-
nearme_tech
PRO
1
52
機械学習を支える連続最適化
nearme_tech
PRO
1
44
サードパーティクッキーの終焉と Topics APIによる代替の可能性
nearme_tech
PRO
1
81
ONNXハンズオン
nearme_tech
PRO
2
28
Other Decks in Science
See All in Science
2024-06-16-pydata_london
sofievl
0
370
ABEMAの効果検証事例〜効果の異質性を考える〜
s1ok69oo
4
1.8k
PRML Chapter 9
snkmr
1
130
[NeurIPS 2023 論文読み会] Wasserstein Quantum Monte Carlo
stakaya
0
390
効果検証入門に物申してみた_JapanR_2023
s1ok69oo
6
4.8k
Celebrate UTIG: Staff and Student Awards 2024
utig
0
200
Mastering Feature Engineering: Mining the Hidden Salary Formula with CakeResume
tlyu0419
0
210
Snowflakeによる統合バイオインフォマティクス
ktatsuya
0
190
様々な侵入者タイプに対応した適切な警備計画の策定 / Patrol route design considering various types of intrudes
konakalab
0
120
拡散モデルの原理紹介
brainpadpr
3
3.3k
Improving Search @scale with efficient query experimentation @BerlinBuzzwords 2024
searchhub
0
200
AI科学の何が“哲学”の問題になるのか ~問いマッピングの試み~
rmaruy
1
1.9k
Featured
See All Featured
Fantastic passwords and where to find them - at NoRuKo
philnash
42
2.7k
Stop Working from a Prison Cell
hatefulcrawdad
266
20k
GitHub's CSS Performance
jonrohan
1026
450k
Code Reviewing Like a Champion
maltzj
517
39k
Visualization
eitanlees
139
14k
How to name files
jennybc
67
96k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
36
9.1k
The Cost Of JavaScript in 2023
addyosmani
31
4.7k
Large-scale JavaScript Application Architecture
addyosmani
506
110k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
17
8.7k
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
34
1.9k
Design by the Numbers
sachag
277
18k
Transcript
0 ざっと学んでみる確率過程 〜その1 : ブラウン運動〜 2024-01-19 第75回NearMe技術勉強会 Kaito Asahi
1 確率過程とは?の前に... 確率ってなんですか?
2 確率過程とは?の前に... 確率ってなんですか? → なんかいろんなものがある程度でるな...(サイコロを振って、1の⽬が1, 2回出る) → どのくらいでこれは出るのかな?(サイコロ10回振ったら、1の⽬はどのくらい) → こんな傾向があるよな?ということを定量的に表せないか?(確率の必要性)
→ 確率を可視化したいね(確率分布の必要性)
3 確率過程とは? 確率過程の定義
4 確率過程とは? 確率過程の定義 → 下線部分を確認しておきましょう
5 確率過程とは? 確率空間について → 確率を定義するために必要な空間 Q : 確率を定義するために何が必要でしょうか? A :
• 標本全体の集合(標本空間) • 確率の⼤きさを測るために必要な指標(σ - 加法族) • 確率というものを定量的に計算するためのもの(確率測度) ◦ 標本空間から、実数(空間)への写像など( )
6 確率過程とは? 確率空間について → 確率を定義するために必要な空間 Q : 確率を定義するために何が必要でしょうか? A :
• 標本全体の集合(標本空間) • 確率の⼤きさを測るために必要な指標(σ - 加法族) • 確率というものを定量的に計算するためのもの(確率測度) ◦ 標本空間から、実数(空間)への写像など( ) コインを投げる時、{{}, {表}, {裏}, {表, 裏}, {裏, 表}}
7 具体的な確率過程〜ブラウン運動〜 1. ブラウン運動を理解するため(ランダム⼒を含む⼒学) • 必要なパラメータ(定数を含む) ◦ :質量(kg) ◦ :速度ベクトル(m/s)
◦ :外⼒(N) ◦ :時間(s) • 基本の運動⽅程式(質量の時間変化は無視:基本は、運動量の時間変化が⼒となる)
8 具体的な確率過程〜ブラウン運動〜 1. ブラウン運動を理解するため(ランダム⼒を含む⼒学) • ⼀般的なStokes抵抗を受ける運動(粘性⼒による影響) ( :減衰パラメータ)として、
9 具体的な確率過程〜ブラウン運動〜 1. ブラウン運動を理解するため(ランダム⼒を含む⼒学) • ⼀般的なStokes抵抗を受ける運動(粘性⼒による影響) ( :減衰パラメータ)として、 これでは、ランダムな運動は表せない
10 具体的な確率過程〜ブラウン運動〜 1. ブラウン運動を理解するため(ランダム⼒を含む⼒学) • ⼀般的なStokes抵抗を受ける運動(粘性⼒による影響) ( :減衰パラメータ)として、 これでは、ランダムな運動は表せない →
Aは定ベクトルで、1方向にのみ推進
11 具体的な確率過程〜ブラウン運動〜 1. ブラウン運動を理解するため(ランダム⼒を含む⼒学) • ランダム⼒を加える ( :単位質量当たりのランダム⼒)として、 ※具体的な解法はAppendixスライドにて
12 具体的な確率過程〜ブラウン運動〜 1. ブラウン運動を理解するため(ランダム⼒を含む⼒学) • ランダム⼒を加える ( :単位質量当たりのランダム⼒)として、 ここの積分値が分からない...
13 具体的な確率過程〜ブラウン運動〜 2. 伊藤積分(確率積分) ⼀般化しておく ※以下を仮定
14 具体的な確率過程〜ブラウン運動〜 2. 伊藤積分(確率積分)
15 具体的な確率過程〜ブラウン運動〜 2. 伊藤積分(確率積分) • となる※ を導⼊する ※形式的に、 これにより、⼀般的な関数
f(s) を W での積分の形で表すことができた!! ※過去の勉強会資料を参照:これはブラウン運動を仮定 https://speakerdeck.com/nearme_tech/kuo-san-moderunogai-yao-ss1-kuo-san-moderudeshi-wareruque-lu-wei-fen-ch eng-shi-nituite?slide=13
16 具体的な確率過程〜ブラウン運動〜 2. 伊藤積分(確率積分) • 伊藤積分で成り⽴つこと 1. (期待値) 2. (等張性)
17 具体的な確率過程〜ブラウン運動〜 2. 伊藤積分(確率積分) • 伊藤積分で成り⽴つこと 3. (マルチンゲール) 4.
(線形性)
18 具体的な確率過程〜ブラウン運動〜 2. 伊藤積分(確率積分) • を導⼊することで、 確率微分⽅程式!!!!
19 2. 伊藤積分(確率積分) • もう少しこの確率微分⽅程式を⾒てみよう 具体的な確率過程〜ブラウン運動〜 ドリフト項 拡散項
20 具体的な確率過程〜ブラウン運動〜 2. 伊藤積分(確率積分) • 確率微分⽅程式を⼀般化 ドリフト項 拡散項
21 具体的な確率過程〜ブラウン運動〜 3. 伊藤の公式(とても便利な変数変換) → 確率微分⽅程式にて、変数変換を⾏うもの :変数変換 ※3次以降の項は無視する
22 具体的な確率過程〜ブラウン運動〜 3. 伊藤の公式(とても便利な変数変換) → 確率微分⽅程式にて、変数変換を⾏うもの :変数変換 ※3次以降の項は無視する ここから
23 具体的な確率過程〜ブラウン運動〜 3. 伊藤の公式(とても便利な変数変換) ただし、 伊藤ルール
24 具体的な確率過程〜ブラウン運動〜 3. 伊藤の公式(とても便利な変数変換) ただし、 伊藤ルール ブラウン運動であるので、 は標準偏差 の 正規分布に従うことから導ける。
25 具体的な確率過程〜ブラウン運動〜 3. 伊藤の公式(とても便利な変数変換)
26 具体的な確率過程〜ブラウン運動〜 3. 伊藤の公式(とても便利な変数変換)
27 具体的な確率過程〜ブラウン運動〜 3. 伊藤の公式(とても便利な変数変換) • 具体例: ,
28 具体的な確率過程〜ブラウン運動〜 3. 伊藤の公式(とても便利な変数変換) • 具体例: ,
29 具体的な確率過程〜ブラウン運動〜 4. 伊藤の公式の良い部分!! • 具体例: 4-1. 期待値:
30 具体的な確率過程〜ブラウン運動〜 4. 伊藤の公式の良い部分!! • 具体例: 4-2. 分散:
31 具体的な確率過程〜ブラウン運動〜 4. 伊藤の公式の良い部分!! • 具体例: 4-3. 従う確率分布: 定常確率密度分布(正規分布に従う!!)
32 参考⽂献 1. 機械学習のための確率過程入門 確率微分方程式からベイズモデル,拡散モデル まで(https://www.ohmsha.co.jp/book/9784274231087/) 2. σ加法族と可測空間の定義・基本的な性質をわかりやすく (https://mathlandscape.com/sigma-field/) 3.
伊藤の公式を直感的に理解する(追記:ブラック・ショールズモデル (https://www.monte-carlo-note.com/2018/09/Ito-Formula.html)
33 Appendix
34 Appendix 〜⾮⻫次項を含む線形常微分⽅程式の解法〜 • 以下の線形常微分⽅程式を解く
35 Appendix 〜⾮⻫次項を含む線形常微分⽅程式の解法〜 • として導いた以下の解を⽤い、定ベクトル を時間依存にする
36 Appendix 〜⾮⻫次項を含む線形常微分⽅程式の解法〜 • として導いた以下の解を⽤い、定ベクトル を時間依存にする
37 Appendix 〜⾮⻫次項を含む線形常微分⽅程式の解法〜
38 Appendix 〜⾮⻫次項を含む線形常微分⽅程式の解法〜
39 Thank you