Вероятности и неприятности. Математика повседневной жизни
- Автор: Сергей Самойленко
- Жанр: Научно-популярная литература
- Дата выхода: 2022
- Цикл: Наука для всех
Читать книгу "Вероятности и неприятности. Математика повседневной жизни"
Игры с энтропией
Если понятие энтропии помогло предсказать и объяснить экспоненциальное распределение в простейшей модели рынка, то, быть может, оно окажется полезным и в более сложных моделях? Мы станем добавлять ограничения в модель рынка, делать предположение о форме распределения исходя из принципа максимума энтропии, а потом проверять результат с помощью имитационного моделирования.
Для начала искусственно ограничим сверху уровень богатства отдельного игрока, запретив ему получать деньги, если у него уже есть некая фиксированная сумма
Рис. 9.8. Вот что происходит при ограничении сверху возможного уровня богатства игроков, причем таким образом, что верхняя граница ровно вдвое превышает среднее значение
Исходные данные: xs — массив из n элементов, инициализированный значениями m, xMax — максимальная разрешенная сумма.
Повторять
· · · · i <- случайное целое от 0 до n
если xs[i] > 0
· · · · · · · · j <- случайное целое от 0 до n
если xs[j] <xMax
xs[i] <- xs[i] — 1
xs[j] <- xs[j] + 1
Надо заметить, что мы получили довольно любопытный результат. Каждый из участников группы все еще испытывает случайное блуждание, но никто не «прилипает» к границам и в группе происходит равномерное перемешивание. Напомню, что коэффициент Джини для равномерного распределения равен 1/3, что уже существенно лучше, чем 1/2 для экспоненциального распределения, так что ограничения могут пойти на пользу.
А что случится при нарушении симметрии, то есть при сдвиге правой границы вправо или влево от значения 2
Рис. 9.9. Варианты равновесных распределений для обмена с ограничением сверху. Вертикальной линией показано значение среднего (начального) богатства участников эксперимента. Коэффициенты Джини для полученных нами двух случаев равны 0,2 (для правого смещения среднего) и 0,43 (для левого смещения среднего)
Очень необычный вид распределения получается при смещении среднего относительно середины отрезка вправо: богатых игроков в равновесии становится больше, чем бедных. Показатель, характеризующий температуру в этом распределении, имеет отрицательный знак! В обычной жизни под отрицательной мы понимаем температуру ниже точки замерзания воды — 0 oC — и ничего странного в ней не находим. Однако в термодинамике речь идет об
Внимательный читатель может возмутиться: мы же говорили, что в нашем случае роль температуры играет среднее количество денег у членов группы, какой же смысл может быть в отрицательном среднем количестве денег? Введение верхнего предела оставило распределение экспоненциальным, но поменяло форму показателя в экспоненте. Теперь он хоть и зависит от среднего значения
Я хочу здесь еще ненадолго остановиться на вопросе применимости математических и физических аналогий. Часто привычные и, как нам кажется, простые понятия имеют очень глубокие и фундаментальные основания. Так, знакомое всем нам с детства понятие температуры физикам удалось глубоко понять и осознать только с развитием методов теории вероятностей и математической статистики. После этого стало возможным осмысленно рассуждать о термодинамике лазеров, биологических и социальных систем, звезд и даже черных дыр. В данной книге мы постигаем природу несправедливости с помощью этих же методов. Но не нужно буквально понимать наши достаточно вольные рассуждения о температуре рынка, ее знаке и возможности бесконечных значений. Мы много раз говорили об удивительной способности математики обнаруживать одинаковые модели и структуры для самых разнообразных явлений. Построенная нами статистическая модель рынка и модель ансамбля физических частиц, имея много общего, все же не одно и то же. Именно поэтому то, что в физике называется и является температурой, имеет аналог в эконофизике, но собственно температурой в этой дисциплине не считается — как и величина, обратная интенсивности, в экспоненциальном распределении пауз между машинами на автостраде.