Saltar al contenido principal
LibreTexts Español

12.2: Caminata aleatoria sesgada

  • Page ID
    69597
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)

    \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)

    \( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)

    ( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)

    \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)

    \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)

    \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)

    \( \newcommand{\Span}{\mathrm{span}}\)

    \( \newcommand{\id}{\mathrm{id}}\)

    \( \newcommand{\Span}{\mathrm{span}}\)

    \( \newcommand{\kernel}{\mathrm{null}\,}\)

    \( \newcommand{\range}{\mathrm{range}\,}\)

    \( \newcommand{\RealPart}{\mathrm{Re}}\)

    \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)

    \( \newcommand{\Argument}{\mathrm{Arg}}\)

    \( \newcommand{\norm}[1]{\| #1 \|}\)

    \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)

    \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    \( \newcommand{\vectorA}[1]{\vec{#1}}      % arrow\)

    \( \newcommand{\vectorAt}[1]{\vec{\text{#1}}}      % arrow\)

    \( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)

    \( \newcommand{\vectorC}[1]{\textbf{#1}} \)

    \( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)

    \( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)

    \( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)

    \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)

    \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)

    La ecuación de difusión con deriva se puede obtener a partir de un problema de caminata aleatoria sesgada. Para ilustrar, extendemos la descripción anterior de un andador en una celosía 1D que puede caminar hacia la izquierda o hacia la derecha por una distancia de cantidad\(Δx\) por cada intervalo de tiempo\(Δt\). Sin embargo, en este caso existe una probabilidad desigual de pisar a la derecha (+) o a la izquierda (—) durante\(\Delta t: P_+ \neq P_-\). Hablando probabilísticamente, el cambio de posición para un intervalo de tiempo dado se puede expresar como

    \[ \begin{align} \langle x(t+\Delta t) \rangle &= \langle x(t)+\Delta xP_+-\Delta xP_- \rangle \nonumber \\[4pt] &= \langle x(t) \rangle +\Delta x(P_+-P_-) \label{12.2.1} \end{align} \]

    Vemos que la posición promedio de los caminantes aleatorios depende de la diferencia en las tasas de paso a izquierda y derecha. Para ayudar a vincular el paso a paso con el tiempo, definimos constantes de velocidad para caminar hacia la izquierda o hacia la derecha

    \[ k_{\pm} = \dfrac{P_{\pm}}{\Delta t} \]

    con\(k_+ \neq k_-\). Entonces la ecuación\ ref {12.2.1} puede escribirse como

    \[ \begin{align} \langle x(t+\Delta t)\rangle &= \langle x(t) \rangle + (k_+-k_-) \Delta t \Delta x \nonumber \\[4pt] &= \langle x(t) \rangle +v_x \Delta t \label{12.2.3} \end{align}\]

    donde la velocidad de deriva está relacionada con la diferencia en las tasas de salto

    \[v_x = (k_+-k_-) \Delta x \nonumber \]

    Expresando la Ecuación\ ref {12.2.3} como resultado de muchos pasos dice que la media de la distribución de posición se comporta como el movimiento lineal tradicional: ⟩ x (t) ⟩ = x 0 + v x t.

    ¿Qué pasa con la varianza en la distribución? Calcular el valor cuadrático medio\(x\) de la ecuación\ ref {12.2.1} da

    \[ \begin{aligned} \langle x^2(t+\Delta t) \rangle &= \langle x^2(t) \pm 2\Delta x \Delta tk_{\pm}x(t) +(k_++k_-)^2\Delta x^2 \Delta t^2 \rangle \\ &= \langle x^2(t) \rangle +2v_x\Delta t \langle x(t) \rangle +(k_++k_-)\Delta x^2\Delta t \end{aligned}\]\[\]

    donde usamos (k + +k ) ∆t = 1.

    Usando esto para calcular la varianza en\(x\):

    \[σ^2(t)=(k_+ + k_–)∆x^2t\]

    y luego comparando con ⟩ 1/2 = 2Dt, lleva a la conclusión de que la amplitud de la distribución σ se extiende como lo haría en ausencia de una velocidad de deriva, y el coeficiente de difusión para esta caminata aleatoria sesgada viene dada por

    \[ D= \dfrac{1}{2} (k_++k_-) \Delta x^2 \nonumber \]

    Cuando las tasas de paso a la izquierda y derecha son las mismas, recuperamos nuestro resultado anterior 2D = ∆x 2 /∆t.


    This page titled 12.2: Caminata aleatoria sesgada is shared under a CC BY-NC-SA 4.0 license and was authored, remixed, and/or curated by Andrei Tokmakoff via source content that was edited to the style and standards of the LibreTexts platform; a detailed edit history is available upon request.