45 votos

Análisis no estándar en la teoría de la probabilidad

Soy bastante nuevo en el análisis no estándar, y recientemente he conocido su uso en la teoría de la probabilidad principalmente a través de los siguientes dos libros:

Aunque el libro de Nelson tiene varias décadas de antigüedad, por lo que veo, su enfoque aún no se ha puesto de moda. Además, no he podido encontrar muchos trabajos publicados en las principales revistas de probabilidad sobre ese tema. Estoy bastante intrigado por este fenómeno. Mis preguntas son las siguientes

  • ¿Por qué el análisis no estándar no ha sido ampliamente adoptado por los probabilistas?
  • ¿Hubo algunos éxitos en algunos subcampos concretos de la teoría de la probabilidad o la estadística?
  • ¿Existen algunas objeciones fundamentales conocidas en la teoría de la probabilidad para el enfoque que allí se plantea?

33voto

Michael Greinecker Puntos 4751

El análisis no estándar ha tenido bastante éxito a la hora de resolver cuestiones de existencia en la teoría de la probabilidad. Espacios hiperfinitos de Loeb permiten varias construcciones que no se pueden hacer en los espacios de probabilidad estándar. En particular, la NSA fue bastante útil para la construcción de ciertos procesos adaptados. Hay un artículo de Hoover y Keisler, Distribuciones de probabilidad adaptadas de 1984, en el que los autores muestran que muchas de las propiedades que hacen que los espacios hiperfinitos de Loeb sean tan útiles se deben a una propiedad que denominan saturación: Un espacio de probabilidad $(\Omega,\Sigma,\mu)$ es saturado si siempre que $\nu$ es una medida de probabilidad de Borel en $[0,1]^2$ y $f:\omega\to[0,1]$ una variable aleatoria con distribución igual al marginal de $\nu$ en la primera coordenada, entonces existe una variable aleatoria $g:\Omega\to[0,1]$ tal que la distribución de $(f,g)$ es $\nu$ . Un ejemplo de espacio de probabilidad saturado que no es un espacio hiperfinito de Loeb es la medida de lanzamiento de monedas en $\{0,1\}^\kappa$ cuando $\kappa$ es incontable. Una exposición relativamente legible de este enfoque puede encontrarse en el pequeño libro Teoría de Modelos de Procesos Estocásticos de Fajardo y Keisler . También hay varios documentos y estudios relacionados en la página web de Keisler .

En cierto sentido, hoy en día entendemos bastante bien cómo funcionan ciertas técnicas potentes de análisis no estándar bajo la superficie, por lo que podemos utilizar muchas de las construcciones liberadas de la NSA. Realmente no hay nada en lo que sea necesario para utilizar la NSA. Aun así, la NSA es una herramienta bastante potente y útil. Un buen resumen de lo que puede hacer por la teoría de la probabilidad, principalmente la teoría de los procesos sochásticos, se encuentra en el artículo de Osswald y Sun en Análisis no estándar para el matemático que trabaja por Loeb.

24voto

sdfwer Puntos 13

Mi colega Ed Perkins utilizó bastante el análisis no estándar en la teoría de la probabilidad a principios de los 80. Véase, por ejemplo http://www.springerlink.com/content/e636h42166202387/ No sé si ha utilizado el análisis no estándar más recientemente. En sus notas de la conferencia de la escuela de verano de St. Flour de 1999 http://www.math.ubc.ca/~perkins/dawsonwatanabesuperprocesos.pdf observó: "Me he dado cuenta de que algunos de los teoremas se derivaron originalmente utilizando un análisis no estándar y he estandarizado los argumentos... para hacerlos más accesibles. Esto me entristece un poco, ya que considero que el punto de vista no estándar, por muy torpe que sea a veces, es pedagógicamente superior y permite llegar a ideas novedosas."

Básicamente, sospecho que eso podría ser un resumen de la situación general. Todo que se puede hacer en el análisis no estándar se puede hacer en el análisis estándar, y por lo tanto se vuelve accesible para aquellos que no conocen el análisis no estándar. Cada método tiene sus ventajas y desventajas, pero la gran ventaja del análisis estándar es que es conocido por más personas.

16voto

Eric Puntos 246

Los verdaderos probabilistas tienen una forma de pensar bastante singular. Es, si se permite la creación de palabras, hiperanalítica. Este patrón de pensamiento parece (¡anecdóticamente!) no ser demasiado compatible con los patrones algebraicos o lógicos. No estoy hablando de lo básico, por supuesto, sino de un nivel alto. Nunca he conocido a un probabilista que disfrutara o valorara personalmente la teoría de los módulos, por ejemplo. Nunca he conocido a un probabilista que sintiera que la completitud de los modelos de los campos algebraicamente cerrados fuera superguay.

Si no te inclinas por esas cosas, la ventaja fundacional que te confiere la NSA es discutible. Y las ventajas intuitivas ya se aprovechan sin dudarlo. Según mi experiencia, todo Los probabilistas piensan con las ideas de la NSA por defecto y sin conciencia de sí mismos, y sin preocuparse de cómo "rigurosar" los argumentos.

Para que quede claro, todo el mundo sabe que el movimiento browniano es el límite de los paseos aleatorios simples. No sienten la necesidad de hacer esto riguroso, es simplemente evidente. Que se pueda hacer casi trivial usando NSA es tan interesante como ver una prueba de continuidad de épsilon-delta. Está bien para los principiantes, pero no es algo a lo que vaya a dedicar mi tiempo ahora.

(Edit) Descargo de responsabilidad: no pretendo haber conocido a una muestra aleatoria de lógicos, algebristas, probabilistas o cualquier otra persona. Estuve en Urbana-Champaign durante varios años, y tuve clases/seminarios con Loeb, Henson y Burkholder, y estoy casado con una analista estocástica industrial. Me encanta la NSA y la encuentro preciosa, y opino lo mismo sobre la probabilidad (pero no sobre el cálculo estocástico, lo siento). He visto de primera mano durante casi 2 décadas cómo los estudiantes y Los profesores reaccionan a la NSA, pero de nuevo no fue una muestra aleatoria.

Todos sabemos que esencialmente cada matemático tiene un "sabor" o dos que prefiere sobre los demás. Algunos somos analistas, otros algebristas; a mí me encanta la combinatoria, y muchos otros no le tienen mucho respeto. Lo único que quería señalar es que el "sabor" de la ANS formal es claramente diferente al de la probabilidad actual, mientras que el pensamiento "infinitesimal" ya está incorporado. Esta combinación, en mi humilde opinión, es la razón por la que la NSA no ha calado en la probabilidad. Hay, por supuesto, excepciones, siendo Ed Perkins el más notable, pero no el único.

7voto

David Grayson Puntos 22459

Las respuestas dadas anteriormente son excelentes. Sólo quisiera complementarlas con la observación de que el éxito de la NSA y la TSI en probabilidad y campos afines queda atestiguado por el hecho de que se siguen demandando y publicando nuevos libros en este ámbito, en algunas de las series más prestigiosas, como el libro de 2013 de F. Herzberg titulado "Stochastic Calculus with Infinitesimals", véase http://link.springer.com/book/10.1007/978-3-642-33149-7/page/1

2voto

M20 Puntos 8

Los probabilistas no son diferentes de los analistas convencionales, al menos en la mayoría de los lugares en los que he estado, Europa del Este (mi casa) y Estados Unidos. La NSA se ve mucho más como una alternativa que como un competidor. Los teóricos del modelo están más interesados en estudiar diferentes modelos que en elegir uno mejor y proponer una transición universal. El trabajo de Nelson ha sido revisado. Además del trabajo de Geyer en tu post hay un estupendo libro reciente de Herzberg y artículos de Weisshaupt (Journal of Logic and Analysis 2009 y 2011) y Andrade (Positivity, doi 10.1007/s11117-015-0333-9) y también un artículo de Geyer y Andrade (Journal of Logic and Analysis).

No estoy de acuerdo con otros post que dicen que la NSA de Nelson es más bien de interés para los no matemáticos. Nelson, Herzberg y Weisshaupt son matemáticos, Geyer es licenciado en Física, pero ahora es estadístico, al igual que Andrade (véase también el trabajo sobre el movimiento browniano NS en Physica A, 2015 Volumen 429). Digo que el interés también es alto en física y finanzas matemáticas como ilustra el libro de Herzberg como en matemáticas puras y estadísticas

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X