Почему траектория выглядит такой хаотичной, а график среднего ⟨r²⟩ — прямой линией?

Отдельная траектория случайного блуждания непредсказуема и 'изломанна', потому что каждый шаг случаен. Однако средний квадрат смещения ⟨r²⟩ — это статистическое усреднение по множеству возможных траекторий. Линейный тренд возникает благодаря закону больших чисел, показывая, что хотя отдельные исходы случайны, их усреднённое поведение предсказуемо и следует закону диффузии ⟨r²⟩ ∝ N.

Так ли на самом деле движутся реальные частицы, например, пыльца в воде?

Да, это упрощённая модель броуновского движения. Реальные частицы постоянно подвергаются ударам молекул воды, что приводит к случайному, 'дрожащему' пути. Модель случайного блуждания улавливает ключевую статистическую особенность — линейный рост среднего квадрата смещения со временем, — которую Альберт Эйнштейн использовал в 1905 году для доказательства атомистической теории материи.

Что показывает 'текущее среднее' ⟨r²⟩?

Текущее среднее вычисляет среднее значение r² вплоть до каждого шага N для одного наблюдаемого блуждателя. Для малых N график очень зашумлён, но с увеличением N он сходится к теоретической прямой линии (N L²). Это демонстрирует, как статистическая предсказуемость улучшается с ростом объёма данных — ключевая концепция теории вероятностей.

Каковы основные ограничения этой простой модели случайного блуждания?

Данная модель предполагает фиксированную длину шага, мгновенные шаги и отсутствие взаимодействий между блуждателями или с окружающей средой. Диффузия в реальном мире может включать переменную длину шагов, времена ожидания между шагами и внешние силы (приводящие к смещённым блужданиям). Также модель описывает 'нормальную' диффузию; многие сложные системы, например транспорт в клетках, демонстрируют 'аномальную' диффузию, где ⟨r²⟩ ∝ N^α и α ≠ 1.

Случайное блуждание

Шаги в 1D или 2D; траектория и текущее среднее ⟨r²⟩ для интуитивного понимания диффузии.

О модели

Случайное блуждание — это фундаментальный стохастический процесс, моделирующий путь объекта, совершающего последовательные шаги в случайных направлениях. Данный симулятор визуализирует случайные блуждания в одном и двух измерениях, где каждый шаг имеет фиксированную длину, но его направление выбирается случайно (например, влево/вправо в 1D или по узлам сетки в 2D). Основной математический принцип заключается в том, что средний квадрат смещения, обозначаемый ⟨r²⟩, растёт линейно с числом шагов N. Конкретно, для беспристрастного блуждания с длиной шага L: ⟨r²⟩ = N L² в 1D и ⟨r²⟩ = N L² в 2D для квадратной решётки. Эта линейная зависимость ⟨r²⟩ ∝ N является признаком нормальной, или фикковской, диффузии. Симулятор строит график текущего среднего значения r² от N, позволяя пользователям наблюдать, как эта линейная тенденция проявляется на фоне шума отдельных случайных траекторий. Ключевые упрощения модели включают фиксированную длину шага, отсутствие внешних сил или смещений и предположение, что каждый шаг не зависит от предыдущих (марковский процесс). Взаимодействуя с симуляцией, студенты учатся связывать микроскопическое случайное движение отдельных шагов с возникающим макроскопическим поведением диффузии, развивая интуицию для таких явлений, как броуновское движение, теплопроводность и расселение популяций.

Для кого: Учащиеся старших классов и студенты младших курсов, изучающие физику, математику или биологию, в рамках знакомства с теорией вероятностей, статистикой или процессами диффузии.

Ключевые понятия

Случайное блуждание
Средний квадрат смещения
Диффузия
Стохастический процесс
Броуновское движение
Марковский процесс
Нормальное распределение
Центральная предельная теорема

Как это работает

Контраст с гладкой броуновской траекторией в термодинамике: здесь каждый шаг — чистый бросок монеты или равномерный угол, идеально для доказательства скейлинговых законов.

Часто задаваемые вопросы

Почему траектория выглядит такой хаотичной, а график среднего ⟨r²⟩ — прямой линией?: Отдельная траектория случайного блуждания непредсказуема и 'изломанна', потому что каждый шаг случаен. Однако средний квадрат смещения ⟨r²⟩ — это статистическое усреднение по множеству возможных траекторий. Линейный тренд возникает благодаря закону больших чисел, показывая, что хотя отдельные исходы случайны, их усреднённое поведение предсказуемо и следует закону диффузии ⟨r²⟩ ∝ N.
Так ли на самом деле движутся реальные частицы, например, пыльца в воде?: Да, это упрощённая модель броуновского движения. Реальные частицы постоянно подвергаются ударам молекул воды, что приводит к случайному, 'дрожащему' пути. Модель случайного блуждания улавливает ключевую статистическую особенность — линейный рост среднего квадрата смещения со временем, — которую Альберт Эйнштейн использовал в 1905 году для доказательства атомистической теории материи.
Что показывает 'текущее среднее' ⟨r²⟩?: Текущее среднее вычисляет среднее значение r² вплоть до каждого шага N для одного наблюдаемого блуждателя. Для малых N график очень зашумлён, но с увеличением N он сходится к теоретической прямой линии (N L²). Это демонстрирует, как статистическая предсказуемость улучшается с ростом объёма данных — ключевая концепция теории вероятностей.
Каковы основные ограничения этой простой модели случайного блуждания?: Данная модель предполагает фиксированную длину шага, мгновенные шаги и отсутствие взаимодействий между блуждателями или с окружающей средой. Диффузия в реальном мире может включать переменную длину шагов, времена ожидания между шагами и внешние силы (приводящие к смещённым блужданиям). Также модель описывает 'нормальную' диффузию; многие сложные системы, например транспорт в клетках, демонстрируют 'аномальную' диффузию, где ⟨r²⟩ ∝ N^α и α ≠ 1.

Близкие темы рядом (в том числе из смежных разделов) — или все 85 в «Визуализация математики».

Вся категория →

НовоеШкольные

Броуновское движение

Запустить симулятор

Тяжёлая частица, испытывающая случайные толчки и трение; траектория и зависимость среднеквадратичного смещения ⟨r²⟩ от времени.

НовоеШкольные

Блуждание 2D / 3D (решётка)

Запустить симулятор

Ближайшие соседи на Z² или Z³: ансамблевое среднее ⟨r²⟩ по времени с опорной прямой y = t, гистограмма r² по блуждателям и Монте-Карло первого возвращения (рекуррентность vs трансиентность).

НовоеШкольные

Цепь Маркова (Погода)

Запустить симулятор

Двухсостоянияя цепь Солнце/Дождь: матрица P, стационарное распределение π, эмпирическое и теоретическое.

НовоеУниверситет / научные

Kalman Filter (1-D)

Запустить симулятор

Recursive optimal estimation: noisy measurements, hidden truth, predict + update with Q and R; random-walk or constant-velocity model with ±2σ band and innovations.

НовоеУниверситет / научные

Адаптивный LMS / NLMS (подавление шума)

Запустить симулятор

Первичный канал p = s + v, где v — неизвестная ФИЧ-цепь от опорного белого шума x[n]. L-отводный адаптивный FIR по LMS или NLMS: ошибка e = p − wᵀx стремится к полезному сигналу s; график скользящего MSE и ‖w − h‖.

НовоеШкольные

Метод наименьших квадратов

Запустить симулятор

Зашумленные линейные данные; подобранные угловой коэффициент и свободный член с остатками.

Случайное блуждание

О модели

Как это работает

Часто задаваемые вопросы

Похожие симуляторы

Броуновское движение

Блуждание 2D / 3D (решётка)

Цепь Маркова (Погода)

Kalman Filter (1-D)

Адаптивный LMS / NLMS (подавление шума)

Метод наименьших квадратов

Случайное блуждание

О модели

Как это работает

Часто задаваемые вопросы