Caminhantes aleatórios com perfil de memória binomial
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/jspui/handle/123456789/21499 |
Resumo: | Grande tem sido o interesse nas difusões anômalas, pois se apresentam nas mais diversas áreas do conhecimento. A introdução de perfil de memória no caminhante aleatório torna-o numa dinâmica estocástica não-markoviana, cujas correlações criam superdifusão, persistencia e log-periodicidade. Apresentamos uma revisão da literatura sobre os perfis de memória e introduzimos nosso modelo. O modelo de memória binomial pode selecionar diferentes regiões de perda de memória, desde a inicial até a recente. Dessa forma, investigamos o impacto da posição da perda de memória no comportamento superdifusivo do caminhante aleatório e unificamos muitos dos resultados da literatura. Obtivemos que memórias iniciais geram maior superdifusão medidas pelo coeficiente de Hurst, enquanto que memórias recentes tendem a diminuir a superdifusão, tornando mais caminhantes adeptos da difusão normal. Também investigamos o regime de memória curta inicial, com largura tendendo a zero. Observamos log-periodicidade para alguns caminhantes sugerindo regimes diferentes de comportamento log-periodico, incluindo aqueles considerados de difusão normal. Uma particularidade do modelo binomial são os resutados extremamente simétricos para o diagrama Hxr. |
id |
UFRN_735952bc10b2ec6a8613bf05260268fb |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/21499 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Gomes, Rebecca de Moura DinizMariz, Ananias MonteiroCosta, Francisco Alexandre daLima, Gislene Micarla Borges deAraújo, João Medeiros de2016-12-20T21:33:44Z2016-12-20T21:33:44Z2016-05-27GOMES, Rebecca de Moura Diniz. Caminhantes aleatórios com perfil de memória binomial. 2016. 80f. Dissertação (Mestrado Em Física) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016.https://repositorio.ufrn.br/jspui/handle/123456789/21499Grande tem sido o interesse nas difusões anômalas, pois se apresentam nas mais diversas áreas do conhecimento. A introdução de perfil de memória no caminhante aleatório torna-o numa dinâmica estocástica não-markoviana, cujas correlações criam superdifusão, persistencia e log-periodicidade. Apresentamos uma revisão da literatura sobre os perfis de memória e introduzimos nosso modelo. O modelo de memória binomial pode selecionar diferentes regiões de perda de memória, desde a inicial até a recente. Dessa forma, investigamos o impacto da posição da perda de memória no comportamento superdifusivo do caminhante aleatório e unificamos muitos dos resultados da literatura. Obtivemos que memórias iniciais geram maior superdifusão medidas pelo coeficiente de Hurst, enquanto que memórias recentes tendem a diminuir a superdifusão, tornando mais caminhantes adeptos da difusão normal. Também investigamos o regime de memória curta inicial, com largura tendendo a zero. Observamos log-periodicidade para alguns caminhantes sugerindo regimes diferentes de comportamento log-periodico, incluindo aqueles considerados de difusão normal. Uma particularidade do modelo binomial são os resutados extremamente simétricos para o diagrama Hxr.Great has been the interest in anomalous diffusion because they are present in several areas of knowledge. The introduction of a memory profile in random walk environment give them a non-Markovian stochastic dynamics, whose temporal correlations may create superdiffusion, persistence and log-periodicity. We present an overview of memory profile literature and introduce our model. The binomial memory model can select different memory loss regions, from the old to the recent one. Thus, we investigate the impact of memory loss location on superdiffusive behavior of a random walker and unify some literature results. We verify that old memory generates higher superdiffusion measured by the Hurst coefficient, while recent memory tends to decrease superdiffusion, causing more walkers to undergo normal diffusion. We also investigate the short initial memory region, with zero tending standard deviation. We observe log-periodicity for some walkers suggesting different regions of log-periodic behavior, including those considered as normal diffusion. A particularity of the binomial model is an extremely symmetric result to Hxr diagram.porCNPQ::CIENCIAS EXATAS E DA TERRA::FISICACaminhadas aleatóriasMemória binomialNão-markovianosExpoente de HurstSuperdifusãoLog-periodicidadeCaminhantes aleatórios com perfil de memória binomialinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisPROGRAMA DE PÓS-GRADUAÇÃO EM FÍSICAUFRNBrasilinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALRebeccaDeMouraDinizGomes_DISSERT.pdfRebeccaDeMouraDinizGomes_DISSERT.pdfapplication/pdf2404201https://repositorio.ufrn.br/bitstream/123456789/21499/1/RebeccaDeMouraDinizGomes_DISSERT.pdf94297f79b6ed394f821cb6e957e5f95eMD51TEXTRebeccaDeMouraDinizGomes_DISSERT.pdf.txtRebeccaDeMouraDinizGomes_DISSERT.pdf.txtExtracted texttext/plain102368https://repositorio.ufrn.br/bitstream/123456789/21499/4/RebeccaDeMouraDinizGomes_DISSERT.pdf.txtf397dd0f4aef98345c4a2d3e8640f5edMD54THUMBNAILRebeccaDeMouraDinizGomes_DISSERT.pdf.jpgRebeccaDeMouraDinizGomes_DISSERT.pdf.jpgIM Thumbnailimage/jpeg2657https://repositorio.ufrn.br/bitstream/123456789/21499/5/RebeccaDeMouraDinizGomes_DISSERT.pdf.jpg2587293969234ba973d6f85854900862MD55123456789/214992017-11-02 15:35:46.674oai:https://repositorio.ufrn.br:123456789/21499Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2017-11-02T18:35:46Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Caminhantes aleatórios com perfil de memória binomial |
title |
Caminhantes aleatórios com perfil de memória binomial |
spellingShingle |
Caminhantes aleatórios com perfil de memória binomial Gomes, Rebecca de Moura Diniz CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA Caminhadas aleatórias Memória binomial Não-markovianos Expoente de Hurst Superdifusão Log-periodicidade |
title_short |
Caminhantes aleatórios com perfil de memória binomial |
title_full |
Caminhantes aleatórios com perfil de memória binomial |
title_fullStr |
Caminhantes aleatórios com perfil de memória binomial |
title_full_unstemmed |
Caminhantes aleatórios com perfil de memória binomial |
title_sort |
Caminhantes aleatórios com perfil de memória binomial |
author |
Gomes, Rebecca de Moura Diniz |
author_facet |
Gomes, Rebecca de Moura Diniz |
author_role |
author |
dc.contributor.authorID.pt_BR.fl_str_mv |
|
dc.contributor.advisorID.pt_BR.fl_str_mv |
|
dc.contributor.referees1.none.fl_str_mv |
Mariz, Ananias Monteiro |
dc.contributor.referees1ID.pt_BR.fl_str_mv |
|
dc.contributor.referees2.none.fl_str_mv |
Costa, Francisco Alexandre da |
dc.contributor.referees2ID.pt_BR.fl_str_mv |
|
dc.contributor.referees3.none.fl_str_mv |
Lima, Gislene Micarla Borges de |
dc.contributor.referees3ID.pt_BR.fl_str_mv |
|
dc.contributor.author.fl_str_mv |
Gomes, Rebecca de Moura Diniz |
dc.contributor.advisor1.fl_str_mv |
Araújo, João Medeiros de |
contributor_str_mv |
Araújo, João Medeiros de |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA Caminhadas aleatórias Memória binomial Não-markovianos Expoente de Hurst Superdifusão Log-periodicidade |
dc.subject.por.fl_str_mv |
Caminhadas aleatórias Memória binomial Não-markovianos Expoente de Hurst Superdifusão Log-periodicidade |
description |
Grande tem sido o interesse nas difusões anômalas, pois se apresentam nas mais diversas áreas do conhecimento. A introdução de perfil de memória no caminhante aleatório torna-o numa dinâmica estocástica não-markoviana, cujas correlações criam superdifusão, persistencia e log-periodicidade. Apresentamos uma revisão da literatura sobre os perfis de memória e introduzimos nosso modelo. O modelo de memória binomial pode selecionar diferentes regiões de perda de memória, desde a inicial até a recente. Dessa forma, investigamos o impacto da posição da perda de memória no comportamento superdifusivo do caminhante aleatório e unificamos muitos dos resultados da literatura. Obtivemos que memórias iniciais geram maior superdifusão medidas pelo coeficiente de Hurst, enquanto que memórias recentes tendem a diminuir a superdifusão, tornando mais caminhantes adeptos da difusão normal. Também investigamos o regime de memória curta inicial, com largura tendendo a zero. Observamos log-periodicidade para alguns caminhantes sugerindo regimes diferentes de comportamento log-periodico, incluindo aqueles considerados de difusão normal. Uma particularidade do modelo binomial são os resutados extremamente simétricos para o diagrama Hxr. |
publishDate |
2016 |
dc.date.accessioned.fl_str_mv |
2016-12-20T21:33:44Z |
dc.date.available.fl_str_mv |
2016-12-20T21:33:44Z |
dc.date.issued.fl_str_mv |
2016-05-27 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
GOMES, Rebecca de Moura Diniz. Caminhantes aleatórios com perfil de memória binomial. 2016. 80f. Dissertação (Mestrado Em Física) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/jspui/handle/123456789/21499 |
identifier_str_mv |
GOMES, Rebecca de Moura Diniz. Caminhantes aleatórios com perfil de memória binomial. 2016. 80f. Dissertação (Mestrado Em Física) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016. |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/21499 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM FÍSICA |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/21499/1/RebeccaDeMouraDinizGomes_DISSERT.pdf https://repositorio.ufrn.br/bitstream/123456789/21499/4/RebeccaDeMouraDinizGomes_DISSERT.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/21499/5/RebeccaDeMouraDinizGomes_DISSERT.pdf.jpg |
bitstream.checksum.fl_str_mv |
94297f79b6ed394f821cb6e957e5f95e f397dd0f4aef98345c4a2d3e8640f5ed 2587293969234ba973d6f85854900862 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117562788478976 |