Return to search

Passeios aleatórios do elefante: efeitos de memória no caso multidimensional / Elephant random walks: memory effects on the multidimensional case

Passeio aleatório é uma classe de modelos matemáticos que têm por objetivo descrever processos estocásticos cujo resultado observável é dado por uma soma de variáveis aleatórias. O termo foi cunhado em 1905 pelo estatístico inglês Karl Pearson, estando na época interessado na modelagem da migração de insetos, e hoje possui uma ampla gama de aplicações, indo desde a biologia, passando pela física e química, e chegando na economia. Tendo sido estudado por inúmeros cientistas, muitas variações surgiram, chegando aos passeios aleatórios correlacionados, processos estocásticos não-Markovianos nos quais as variáveis aleatórias que se somam, chamadas de passos, possuem dependências umas com as outras, com correlações de caudas longas. Em 2004, surge na literatura o passeio aleatório do elefante, um passeio aleatório correlacionado com um mecanismo microscópico de memória de longo alcance muito bem definido e com soluções analíticas. Além desses dois fatos, também despertou o interesse da comunidade científica por exibir superdifusão. Muitas variações desse modelo foram propostas e vários resultados foram obtidos nos anos que se seguiram. A presente dissertação contem uma compilação dos principais modelos e resultados da área, tentando ser um texto introdutório ao assunto, focando sempre no que diz respeito à difusão. No caso unidimensional, propomos uma generalização desse tipo de passeio aleatório, o qual envolve decisões probabilísticas com respeito a passos lembrados do passado. Já no caso multi-muldimensional, apresentamos o conceito de acoplamento de memória e o modelo de Vaca e Boi, introduzidos pelo autor deste trabalho em 2018, como uma maneira de incluir interações entre elefantes. Também obtivemos um limite do contínuo para esse último processo, permitindo calcular os regimes de difusão para o Boi e construir um diagrama de fases para o mesmo. Esses últimos pontos constituem as principais contribuições do presente trabalho. / Random walk is a class of mathematical models which has the objective of describing a stochastic process whose observable result is given by a sum of aleatory variables. The term was coined in 1905 by the english statistician Karl Pearson while he was interested in the insects migration modeling, but today it has a myriad of applications, from biology to stock markets, passing through physics and chemestry. It has been studied by an uncountable number of scientists and a lot of variations have appeared, including those called correlated random walks, which are stochastic non-Markovian process in which those random variables that are summed, called steps, depends one of each other with fat tails correlations. In 2004, the elephant random walk appeared in the literature. It is a correlated random walk with a microscopic well defined memory mechanism and that has analitical solutions. Besides these facts, it also arouse the interest of scientific community because it exhibits superdifusion behaviour. In the one-dimensional case, we propose a generalization of this kind of random walk, which involves probabilistic decisions with respect to remembered steps given in the past. In the multi-dimensional case, we present the concept of memory coupling and the Cow and Ox model, which were introduced by the author of this work in 2018 as a manner of including interactions among elephants. We have also obtained a continuum limit of this process, allowing us to calculate the Ox diffusion regimes and to build its phase diagram. These last points constitute the main contributions of the present work.

Identiferoai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-14052019-094141
Date20 February 2019
CreatorsMonteiro, Vítor Marquioni
ContributorsMaia, Leonardo Paulo
PublisherBiblioteca Digitais de Teses e Dissertações da USP
Source SetsUniversidade de São Paulo
LanguagePortuguese
Detected LanguagePortuguese
TypeDissertação de Mestrado
Formatapplication/pdf
RightsLiberar o conteúdo para acesso público.

Page generated in 0.0019 seconds