跳轉到

6.1 隨機漫步#

本章導言#

一枚硬幣、一次次擲出，累計的盈虧沿數軸游走——這是隨機漫步，最簡單也最深刻的隨機過程。它把「重複試驗」的靜態統計（第 5 章）變成「時間中的軌跡」：賭徒的破產、分子的擴散、股價的游移、搜尋的返回。本節建立隨機漫步的基本理論，重走 Pascal 賭徒破產問題到 Pólya 定理的路徑。

模型與基本性質#

標準隨機漫步： \(X_0 = 0\) ， \(X_n = \xi_1 + \cdots + \xi_n\) ，其中 \(\xi_i\) 獨立且 \(P(\xi_i = 1) = P(\xi_i = -1) = \frac{1}{2}\) 。基本性質：

  • \(\mathbb{E}[X_n] = 0\) ， \(\operatorname{Var}(X_n) = n\) （典型位移 \(\sqrt{n}\) ——「平方根定律」）。
  • \(X_n\) 的分布： \(P(X_n = k) = \binom{n}{\frac{n+k}{2}} 2^{-n}\) （ \(n + k\) 為偶數），即二項分布的翻譯（3.1 節）。
  • 由 de Moivre–Laplace： \(\frac{X_n}{\sqrt{n}} \xrightarrow{d} N(0, 1)\) （CLT 的特例）；Donsker 不變原理（5.2 節場景二）更進一步：整條縮放軌道收斂到 Wiener 過程（7.2 節）——隨機漫步是布朗運動的離散祖先。

賭徒破產問題：Pascal 遞迴的完成#

賭徒每局以機率 \(p\) 贏 1 元、 \(1-p\) 輸 1 元，初始資金 \(a\) 、對手 \(b\) ，任一方歸零即結束。求賭徒最終破產機率。設 \(q_a\) 為初始 \(a\) 元時破產機率，首步分析（條件期望，4.3 節）：

\[ q_a = p\, q_{a+1} + (1 - p)\, q_{a-1}, \qquad q_0 = 1, \ q_{a+b} = 0. \]

特徵方程 \(pr^2 - r + (1 - p) = 0\) 有根 \(r = 1\) 與 \(r = \frac{1-p}{p}\) ，解得：

\[ q_a = \begin{cases} \dfrac{\left(\frac{1-p}{p}\right)^{a+b} - \left(\frac{1-p}{p}\right)^a}{\left(\frac{1-p}{p}\right)^{a+b} - 1}, & p \ne \frac{1}{2}, \\[3mm] \dfrac{b}{a + b}, & p = \frac{1}{2}. \end{cases} \]

歷史與教訓：此問題由 Huygens 1657 年書末第 5 題提出雛形，de Moivre 1711 年給出解。它揭示了賭場的數學本質：即使賭局公平（ \(p = \frac12\) ），資金劣勢者的破產機率 \(= \frac{b}{a+b}\) 依然嚴峻；若賭場佔優（ \(p < \frac12\) ），對手資金相對無窮（ \(b \to \infty\) ）時破產機率趨於 1。「公平的局 + 有限的錢 = 必然的破產」——這句話的定量形式，是十七世紀賭桌送給現代金融風控的禮物。

反射原理與首次穿越#

隨機漫步最優美的組合工具是反射原理（André 1887 年，本為排列問題而設）：從 0 出發、於 \(2n\) 步回到 0 的路徑中，「曾觸及 \(+1\) 」的與「首步向下的」一一對應（在首達 \(+1\) 之後把路徑上下翻轉）。由此：

\[ P(X_{2n} = 0) = \binom{2n}{n} 2^{-2n} \approx \frac{1}{\sqrt{\pi n}} \quad \text{（Stirling）}, \]

且首達時間 \(T_k\) （首次到達 \(k > 0\) ）的分布：

\[ P(T_k = m) = \frac{k}{m} P(X_m = k), \qquad P(T_1 = 2j + 1) = \frac{1}{2j + 1} \binom{2j+1}{j} 2^{-(2j+1)}. \]

著名的反正弦律（Lévy 1939、Erdős–Kacs 1947 完成推廣）：在 \(2n\) 步中，正半軸花費時間的比例 \(K_{2n}/(2n)\) 的極限分布是反正弦分布——最可能的不是「一半時間在上、一半在下」，而是極端（幾乎全程在上或全程在下）。這條反直覺的定律解釋了賭桌上「連勝者似乎一直贏」的錯覺：同一硬幣、同一公平，軌跡卻自然呈現極度不均勻的停留——運氣的「慣性感」是隨機性的數學產物。

Pólya 定理：返回的維數之謎#

George Pólya（波利亞，1887–1985） 1921 年的定理： \(d\) 維格點上的對稱隨機漫步，

\[ P(\text{回到原點}) = \begin{cases} 1, & d = 1, 2 \quad \text{（常返）}, \\ < 1, & d \ge 3 \quad \text{（非常返）}. \end{cases} \]

\(d \ge 3\) 時返回機率隨維數急速下降（ \(d = 3\) 約 \(0.34\) ）。Pólya 的名言：「一個喝醉的人總會找到回家的路，但喝醉的鳥可能永遠迷路。」直觀：維數越高，「逃逸空間」越大，回頭的機率被稀釋。返回機率的漸近由返回步數的組合數控制： \(d\) 維時 \(P(X_{2n} = 0) \sim C_d n^{-d/2}\) ，級數 \(\sum n^{-d/2}\) 在 \(d \le 2\) 發散（Borel–Cantelli 第二引理！）、 \(d \ge 3\) 收斂——大數法則的工具反過來決定了隨機性的命運。

Pólya 定理的後世影響深遠：物理中 \(d = 2\) 的布朗運動是常返的（7.2 節），這是二維擴散與電位理論的奇特意象；網路科學與生態學中「搜尋策略的維數效應」直接引用此結果。

一個具體例題#

例題 6.1.1：某交易者的資金以 1000 元為初始，每筆交易等可能賺賠 10 元，且設有停損規則：資金跌至 940 元（虧 6 筆）即停止，資金升至 1060 元（賺 6 筆）亦停止。(a) 求以 940 停止的機率；(b) 求交易筆數的期望值；(c) 討論「在公平賭局中設停損與停利」能否改變期望損益。

解：

(a) 這是對稱隨機漫步的賭徒破產： \(a = 6\) （距下界）、 \(b = 6\) （距上界）、 \(p = \frac12\) ：

\[ P(\text{先到 } 940) = \frac{b}{a + b} = \frac{6}{12} = \frac{1}{2}. \]

(b) 破產時間的期望（對稱情形標準結果，由差分方程 \(m_a = 1 + \frac{m_{a-1} + m_{a+1}}{2}\) 、 \(m_0 = m_{12} = 0\) 解得 \(m_a = a(a + b - a) = a b\) ）：

\[ \mathbb{E}[T] = 6 \times 6 = 36 \text{ 筆}. \]

(c) 每筆期望 \(= 10 \times \frac12 - 10 \times \frac12 = 0\) ，故任何（有界）停止策略的總期望損益為零——這正是鞅的停時定理（5.3 節場景二）的具體體現。停損與停利改變的是損益的分布形狀（此處變成 ±60 的二值結果），不改變期望。想改變期望，必須改變 \(p\) 或賠率——策略無法在公平局中煉金。這條「期望不變性」正是效率市場假說的數學原型。

歷史啟示#

  • 從靜態到軌跡：隨機漫步把機率論的焦點從「 \(n\) 步後的分布」轉向「路徑的性質」（首達、返回、停留），隨機過程理論由此啟航。
  • 反射原理：對稱性的力量：把概率問題化為路徑計數，再用對稱性配對——物理中的鏡像法（電磁學）與此同構，數學的對稱論證跨領域通用。
  • 維數決定命運：Pólya 定理顯示「行為的定性差異」可以由純幾何（維數）決定，這是機率論與拓撲/幾何的第一場深度對話。
  • 停時定理的倫理：任何停止策略無法改變公平賭局的期望——「時機掌握」不能替代「正期望」，這是賭徒與投機者的永恆數學課。

與其他章節及領域的關聯#

  • 3.1、5.1 節：二項分布與大數法則是隨機漫步的靜態面。
  • 5.2 節：Donsker 不變原理使漫步收斂到布朗運動。
  • 6.2 節：隨機漫步是馬可夫鏈的特例；賭徒破產的差分方程是馬可夫鏈勢論的雛形。
  • 7.1–7.3 節：布朗運動是漫步的連續極限；擴散方程是漫步的偏微分方程化身。
  • 10.2 節：蒙地卡羅中隨機漫步演算法（Metropolis 1953）以漫步採樣分布。
  • 物理：Einstein 1905 年的擴散分析（7.1 節）實質上就是隨機漫步；高分子鏈構象、聚合現象（自避漫步）是統計物理的核心模型。
  • 計算機：PageRank 的隨機衝浪者、MCMC 的 Metropolis–Hastings（1970），都是隨機漫步的演算法化身。

練習#

  1. 對稱隨機漫步，求 \(X_{10} = 4\) 的機率，並用常態近似驗證量級。
  2. 賭徒初始 50 元、對手無窮資金、每局勝率 0.49。用破產公式估計最終破產機率（提示： \(p < \frac12\) 時 \(q_a = r^a\) ， \(r = \frac{1-p}{p}\) ）。
  3. 用反射原理證明 \(P(T_1 = 2j + 1) = \frac{1}{2j+1}\binom{2j+1}{j} 2^{-(2j+1)}\) ，並計算 \(j = 2\) 的值。
  4. 證明對稱漫步中 \(P(X_n = 0 \text{ 對某 } n \ge 2) = 1\) 但 \(\mathbb{E}[\text{返回時間}] = \infty\) （「一定回來，但平均回不來」——零常返的奇特性質）。
  5. 思考題：反正弦律說「大部分時間領先」比「來回交替領先」更常見。請設計一個 100 次擲幣的模擬（或筆算構造小樣例）驗證，並討論它對「領先者實力」日常判斷的啟示。

進階研讀：漫步理論的五個深化場景#

場景一：自避漫步與高分子。不允許路徑自交的漫步（自避漫步, SAW）計數 \(c_n\) 的漸近 \(c_n \sim \mu^n n^{\gamma - 1}\) 連通了統計力學的臨界指數與高分子物理（Flory 1949 的摻雜理論、Nienhuis 1982 的共形場論值 \(\gamma = \frac{43}{32}\) ）。三維 SAW 至今無嚴格解——漫步理論的未竟之地，Fields 獎章級難題。

場景二：電阻網路與勢論。Doyle–Snell（1984）的經典教材證明：漫步的常返性 = 網路的等效電阻無窮（無窮格點網路上兩點間電阻， \(d = 1, 2\) 為無窮、 \(d \ge 3\) 有限）。機率（返回）與電學（電阻）的雙重身份是「機率與勢論統一」（Kakutani 1944、Doob）的教學化呈現，也示範了數學的意外等價。

場景三：Metropolis 演算法。1953 年 Metropolis、Rosenbluth 夫婦與 Teller 以「偏置的隨機漫步」採樣物理系統的分布：接受新位置的機率 \(\min(1, e^{-\Delta E/T})\) 。漫步的平穩分布由偏置控制——這是 MCMC（10.2 節場景四）的起點，也是今日貝氏統計的計算基礎。隨機漫步從賭桌走進了超級電腦。

場景四：PageRank 與圖上漫步。網頁圖上的隨機衝浪者（每步沿連結跳轉、偶爾隨機跳躍）的平穩分布就是 Google 的 PageRank（Brin–Page 1998）。馬可夫鏈收斂定理（6.2 節）保證了計算的合法性——全球最大的搜尋引擎，數學上是一次巨大的隨機漫步模擬。

場景五：搜索與 Lévy 漫步。覓食動物（信天翁、鯊魚）的移動步長呈冪律分布（Lévy 漫步），理論證明在稀疏目標環境下 Lévy 漫步的搜尋效率優於布朗漫步（Viswanathan 等人 1996 起的實證與 1999 年理論）。漫步的「步長分布」成為最佳化的設計變數——從 Pólya 的「會不會回來」到「怎樣走得最遠」，理論的演化映射出應用的演化。

名詞速查表（本節出現的核心術語）#

  • 隨機漫步： \(\xi_i\) 獨立 ±1 的累計和 \(X_n\) 。
  • 平方根定律：典型位移 \(\sim \sqrt{n}\) ，方差線性增長。
  • 賭徒破產：有限資金對上界/下界的首達機率與時間。
  • 反射原理：以路徑對稱配對計算首達與返回（André 1887）。
  • 首達時間：首次到達某水平所需的步數，分布由反射原理給出。
  • 反正弦律：正半軸停留比例的極限為反正弦分布（Lévy 1939）。
  • 常返 / 非常返：返回機率 = 1 或 < 1（Pólya 1921）。
  • 零常返：必返但期望返回時間無窮。
  • 停時：只依賴過去與現在的停止規則。
  • 自避漫步：不自交的漫步，高分子與臨界現象的模型。

年表速查（本節涉及的關鍵年份）#

  • 1657：Huygens 提出賭徒破產雛形問題。
  • 1711：de Moivre 解賭徒破產。
  • 1887：André 反射原理（排列問題）。
  • 1905：Einstein 布朗運動理論（漫步的物理化身）。
  • 1921：Pólya 常返性定理。
  • 1939：Lévy 反正弦律。
  • 1944：Kakutani 機率與勢論的統一。
  • 1947：Erdős–Kacs 反正弦律推廣。
  • 1949：Flory 高分子理論（SAW）。
  • 1951：Donsker 不變原理（漫步 → Wiener 過程）。
  • 1953：Metropolis 演算法。
  • 1984：Doyle–Snell 電阻網路教材。
  • 1998：PageRank。

深化問答三則#

問：隨機漫步「幾乎必然回來」但「期望返回時間無窮」，怎麼可能？ 答：返回時間 \(T\) 的分布尾部 \(P(T > m) \sim C/\sqrt{m}\) （重尾），期望 \(\sum_m P(T > m)\) 對 \(\sqrt{m}\) 型尾部發散——像 St. Petersburg 悖論（1.1 節場景三）一樣，這是「重尾毀掉平均值」的又一實例。實際意義：典型返回都發生得很快（幾步內），但偶爾的漫遊可以長到無界，把平均拉成無窮。「必然回來」與「平均回不來」並存，是重尾世界的常態。

問：停損策略真的完全無用嗎？ 答：對期望無用（停時定理），但對風險結構極有用：例題 6.1.1 中，停損把「可能虧到任何深度」變成「至多虧 60」，代價是「賺的也封頂」。破產機率、尾部風險、流動性需求都由停損改善。專業風控的口訣「停損不救期望、救生存」——在 \(p < \frac12\) 的劣勢局中，停損（配合資金管理）確實延長遊戲時間甚至改變長期結果，因為那時每局的期望為負，而「負期望局數越少越好」。

問：為什麼 Pólya 定理被形容為「機率論與幾何的第一次對話」？ 答：因為返回與否這個純機率性質，竟被空間維數——一個純幾何量——完全決定，且分界恰在 \(d = 2\) （與 2 維格點的成長性、複分析的一些性質共鳴）。此後機率與幾何的對話不斷升級：布朗運動的維數理論、隨機幾何、共形場論中的 SAW。機率論的現代史，某種意義上是「隨機性如何被空間形狀塑形」的連續發現史。

（本節完）