Proceso estocástico que genera difusión fraccionada

Una forma de generar movimiento browniano es la siguiente: Defina una distribución de probabilidad de tiempo de espera ψ ( t ) y distribución de probabilidad de longitud de paso λ ( X ) . Requiere también que ψ = τ , λ = 0 , y λ 2 = σ 2 . Es decir, la distribución del tiempo de espera tiene una media finita y la longitud del paso es simétrica alrededor de cero con varianza finita. Entonces, podemos generar una secuencia de pasos de tiempo d t i ψ , una secuencia de longitudes de paso d X i λ . Entonces podemos definir la trayectoria X ( norte d t i ) = norte d X i .

Si uno está simulando el proceso, las opciones convenientes incluyen ψ ( t ) = d ( t τ ) , y λ ( X ) = 1 2 ( d ( X σ ) + d ( X + σ ) ) . Es decir, a intervalos de tiempo regulares eliges si la partícula va hacia la izquierda o hacia la derecha, con la misma probabilidad. Hasta ahora, todo bien.

Ahora, por simplicidad, dejemos que la difusión anómala sea un proceso tal que Δ X 2 ( t ) t α , para 0 < α < 1 .

Para generar difusión anómala, debe ser que el tiempo medio de espera diverge ψ o que la variación de la longitud del paso diverge λ 2 o, supongo, posiblemente ambos. Conozco una manera de hacer esto: dejar ψ tener una distribución de Pareto ψ ( t ) = α τ α t 1 + α para t > τ , por lo que tiene una media divergente. A continuación, podemos elegir cualquier λ con varianza finita, como la del párrafo anterior.

Mi pregunta es si es posible exigir que ψ ( t ) = d ( t τ ) y todavía obtener una difusión anómala. Obviamente λ necesitaría tener una varianza divergente, pero no tengo idea más allá de eso. Supongo λ ( X i ) incluso podría depender de la historia pasada. Es decir, busco elegir pasos a intervalos de tiempo regulares Δ t de una cierta distribución λ de tal manera que las trayectorias resultantes muestran una difusión anómala.

¿Ha echado un vistazo al movimiento browniano fraccional y la ecuación de Langevin generalizada? Es un enfoque alternativo al paseo aleatorio para describir la difusión e incorpora efectos de memoria.
Creo que, al simular el proceso de difusión normal browniano, debe elegir ψ ( t ) = mi t / τ y no la función delta, de manera similar, la distribución de longitud de salto debe elegirse como λ ( X ) mi X 2 / ( 2 σ 2 ) . Además, tenga en cuenta que en el problema de la caminata aleatoria que ha planteado, el tiempo de espera y la longitud de los saltos son independientes y, por lo tanto, se rigen por distribuciones de probabilidad independientes, lo que implica λ ( X ) no se puede depender del tiempo. Por supuesto, hay procesos en los que puede acoplar la longitud del salto y el tiempo de espera.

Respuestas (1)

A menos que desee un vuelo de impuestos, no necesita λ con varianza divergente!

Para difusión anómala puedes probar λ de una distribución con v a r ( Λ ) =   D t α dónde 0 < α < 1 y D es una constante