Випадкові блукання та броунівський рух: від пилку до фінансів

3D Simulations

🎲 Математика · Стохастичні процеси

📅 Березень 2026⏱ 12 хв🟡 Середній · Останнє оновлення: 23 червня 2026 р.

У 1827 році ботанік Роберт Браун розглядав під мікроскопом зерна пилку у воді й побачив, як вони хаотично тремтять. Знадобилися Ейнштейн, Смолуховський і Вінер, щоб пояснити чому — і та сама математика тепер керує ціноутворенням опціонів, фізикою полімерів та алгоритмами Монте-Карло.

Автор: Команда MySimulator · Редакційна перевірка: Редакція MySimulator

1. Найпростіше випадкове блукання

Уявіть, що ви стоїте в точці 0 на числовій прямій. На кожному кроці ви підкидаєте чесну монету: орел → крок праворуч (+1), решка → крок ліворуч (−1). Після n кроків ваша позиція:

X_n = S₁ + S₂ + \dots + Sₙ де кожне Sᵢ = +1 або -1 з рівною ймовірністю E[X_n] = 0 (очікувана позиція: знову в початку координат) Var(X_n) = n (дисперсія зростає лінійно) σ(X_n) = \sqrtn (типове зміщення \propto \sqrtn, А НЕ n)

Це масштабування √n є центральним фактом: випадковий блукач на кроці 1 000 000 типово перебуває лише за ~1 000 кроків від початку. Порівняйте зі спрямованим блукачем, який був би в позиції 1 000 000.

Позиція після багатьох кроків підпорядковується нормальному розподілу за центральною граничною теоремою: X_n ~ N(0, n). Це чудово виникає, попри те що кожен крок — дискретний ±1.

2. Броунівський рух

Візьміть дискретне випадкове блукання, одночасно зменшіть розмір кроку й часовий інтервал, і в границі ви отримаєте броунівський рух (процес Вінера) — стохастичний процес з неперервним часом W(t) з такими властивостями:

Властивості броунівського руху W(t): 1. W(0) = 0 2. Незалежні прирости: W(t)-W(s) незалежний від W(r) для r \leq s 3. W(t)-W(s) ~ N(0, t-s) (гаусів з дисперсією = часу, що минув) 4. Неперервні шляхи (але ніде не диференційовні!) Масштабування: W(t) має типовий модуль \sqrtt ⟨W(t)²⟩ = t

Стаття Ейнштейна 1905 року показала, що середньоквадратичне зміщення броунівської частинки дорівнює:

⟨r²⟩ = 2\cdotd\cdotD\cdott d = кількість просторових вимірів D = коефіцієнт дифузії (м²/с) t = час (с) Приклад: полістирольна сфера 1 мкм у воді за 20°C D \approx 4.4 \times 10⁻¹³ м²/с Через 1 секунду: \sqrt⟨r²⟩ \approx \sqrt(2\cdot3\cdot4.4\times10⁻¹³\cdot1) \approx 1.6 мкм (приблизно її власний діаметр)

Історична примітка: стаття Ейнштейна про броунівський рух (1905) дала перший конкретний доказ існування атомів — бо коефіцієнт дифузії D пов'язаний зі сталою Больцмана та числом Авогадро. Жан Перрен підтвердив це експериментально у 1908 році, отримавши Нобелівську премію 1926 року.

3. Дифузія та рівняння теплопровідності

Існує глибокий зв'язок між випадковими блуканнями та рівнянням дифузії (яке є також рівнянням теплопровідності):

\partialP/\partialt = D \cdot \nabla²P P(x, t) = густина ймовірності знайти випадкового блукача в позиції x у момент часу t D = коефіцієнт дифузії Розв'язок для точкового джерела в початку координат: P(x, t) = (1/\sqrt(4πDt)) \cdot exp(-x²/(4Dt)) Це гаусіан, що розповзається як \sqrtt — те саме масштабування \sqrtn із дискретних блукань!

Це означає: (1) поширення тепла крізь тверде тіло, (2) дифузію чорнила у воді та (3) розподіл позиції випадкового блукача — усе це описується однією й тією самою математикою. Кожна молекула чорнила здійснює власне випадкове блукання під ударами молекул води.

Зв'язок іде глибше: можна розв'язати рівняння теплопровідності чисельно, моделюючи випадкових блукачів (метод Монте-Карло). І навпаки, можна обчислити статистику випадкових блукань, розв'язуючи диференціальні рівняння.

4. Вищі виміри та ймовірності повернення

Приголомшливий результат теорії випадкових блукань, отриманий Пойа (1921):

Чи повернеться випадковий блукач коли-небудь до вихідної точки? 1D: P(повернення) = 1 (напевно — завжди повертається) 2D: P(повернення) = 1 (напевно — «п'яниця на площині завжди знаходить дорогу додому») 3D: P(повернення) \approx 0.3405 («п'яний птах може загубитися назавжди») 4D+: P(повернення) \to 0 (майже напевно ніколи не повертається) Технічно: блукання є «рекурентним» у 1D та 2D, «транзитивним» у 3D+.

Це має глибокі наслідки у фізиці: дефекти, що дифундують на 2D- поверхні, зрештою завжди зустрінуться (і потенційно анігілюють або прореагують). У 3D частинки, що дифундують, можуть розійтися назавжди — саме тому реакції в 3D обмежені дифузією інакше, ніж у 2D.

Блукання, що уникають самоперетинів

Якщо блукач не може повторно відвідати вже відвіданий вузол, блукання є самоуникним. Це модель для полімерних ланцюгів (кожен мономер займає унікальну позицію). Самоуникні блукання мають інше масштабування: відстань між кінцями зростає як n^ν, де ν ≈ 0.588 у 3D (показник Флорі), а не 0.5, як у звичайному блуканні.

5. Методи Монте-Карло

Випадкові блукання є основою симуляції Монте-Карло — використання випадковості для розв'язання детермінованих задач:

Інтегрування методом Монте-Карло: оцінюємо ∫f(x)dx, беручи вибірку випадкових точок та усереднюючи f. Збігається як 1/√N незалежно від розмірності — перевершує сіткові методи у >4 вимірах.
Метод Монте-Карло за ланцюгами Маркова (MCMC): будуємо випадкове блукання в просторі можливих станів так, щоб воно відвідувало кожен стан пропорційно до його ймовірності. Алгоритм Метрополіса-Гастінгса (1953/1970) робить це для будь-якого цільового розподілу. Використовується у байєсівській статистиці, згортанні білків та ґратковій КХД.
Монте-Карло за інтегралами шляхів: Фейнман показав, що квантову механіку можна сформулювати як суму за всіма можливими шляхами (кожен — випадкове блукання у просторі-часі). Вибірка цих шляхів методом Монте-Карло обчислює квантові властивості матеріалів.

Випадкові блукання в іграх: випадкове блукання «п'яного моряка» лежить в основі теорії азартних ігор. Задача про розорення гравця — випадкове блукання з поглинальними бар'єрами — показує, що гравець зі скінченними грошима проти нескінченного казино завжди розориться, незалежно від чесності гри.

6. Випадкові блукання у фінансах

Дисертація Луї Башельє 1900 року моделювала ціни акцій як броунівський рух — на п'ять років раніше за статтю Ейнштейна. Гіпотеза випадкового блукання стверджує, що зміни цін незалежні та однаково розподілені — минулі ціни не дають інформації про майбутні ціни.

Геометричний броунівський рух (GBM) — основа моделі Блека- Шоулза: dS = μ\cdotS\cdotdt + σ\cdotS\cdotdW S = ціна акції μ = знос (очікувана дохідність) σ = волатильність dW = приріст процесу Вінера Розв'язок: S(t) = S(0) \cdot exp((μ - σ²/2)\cdott + σ\cdotW(t)) Це дає логнормальні розподіли цін. Ціноутворення опціонів за Блеком-Шоулзом (Нобель 1973): C = S\cdotN(d₁) - K\cdote⁻ʳᵗ\cdotN(d₂) де d₁,d₂ залежать від σ, t, S, K, r

Реальні ринки відхиляються від GBM: вони демонструють важкі хвости (екстремальні події трапляються значно частіше, ніж прогнозують гаусові розподіли), кластеризацію волатильності (спокійні й бурхливі періоди) та далекосяжні кореляції. Для відтворення цих особливостей використовують польоти Леві та дробовий броунівський рух.

7. Ширші застосування

Екологія (польоти Леві): тварини на кшталт альбатросів рухаються за патернами польотів Леві — переважно короткі кроки з нечастими довгими стрибками. Ця стратегія математично оптимальна для пошуку розріджених, випадково розподілених джерел їжі.
Наука про мережі (PageRank): початковий алгоритм Google моделює випадкового блукача, що клікає посилання в мережі. Важливість сторінки дорівнює ймовірності того, що блукач потрапить на неї у стаціонарному стані — випадкове блукання на графі.
Фізика полімерів: полімерний ланцюг у розчині поводиться як самоуникне випадкове блукання. Радіус інерції, пружність та плавлення ланцюга — усе це випливає зі статистики блукань.
Бактеріальний хемотаксис: E. coli орієнтується, чергуючи прямі «пробіги» з випадковими «перекидами». Пробіги тривають довше під час руху вгору хімічним градієнтом — зміщене випадкове блукання, що досягає спрямованого руху з випадкових обертань.
Сегментація зображень: випадкові блукання від мічених початкових пікселів до немічених; кожному пікселю присвоюється мітка початкового пікселя, до якого він найімовірніше дійде — елегантне розв'язання задачі сегментації.
Квантові блукання: квантовий аналог класичних випадкових блукань, де блукач існує в суперпозиції. Квантові блукання розповзаються як t (а не √t), що уможливлює квадратичне прискорення в алгоритмах пошуку (алгоритм Гровера можна розглядати як квантове блукання).