MakarovSuites
Español
EnglishDeutschРусскийУкраїнськаFrançaisEspañolItalianoPolski
Contacto y licencias

Math

Paseos aleatorios

Un enjambre sale de casa por la retícula: la nube crece como √n, los extremos se vuelven gaussianos y en tres dimensiones dos tercios nunca vuelven.

Paseos aleatorios — Imagen real de la aplicación
Imagen real de la aplicación

Qué ocurre

Miles de caminantes parten del origen y dan pasos en la retícula, cada dirección igual de probable. Tres cosas sabe la matemática sobre adónde llegan, y cada una se comprueba aquí exactamente: la nube crece como √n – una esfera de cristal de exactamente ese radio crece con ella, y E|x|² = n en el panel se mide sobre el enjambre; los extremos se vuelven gaussianos, el teorema central del límite, dibujado sobre el histograma en vivo; y Pólya – el caminante que vuelve a pasar por el origen se vuelve dorado, y en una y dos dimensiones casi todos acaban haciéndolo, mientras que en tres solo el 34 % lo hará jamás. La fracción exacta en casa al paso n sale de un programa dinámico que absorbe masa en el origen, trazada junto a la medida y al límite. Ocho caminantes llevan rastro para que un paseo se vea como camino y no solo como nube.

Ecuaciones del módulo
Ecuaciones
E|x_n|² = n   (pasos unitarios en la red, en cualquier dimensión: la nube crece como √n)
x_n / √(n/d) → N(0, 1)   (teorema central del límite, cada coordenada)
P(regresar alguna vez al origen) = 1 en una y dos dimensiones,  0.340537 en tres   (Pólya)
P(regreso al origen hasta el paso n): masa absorbida en el origen por un programa dinámico, de forma exacta

Otros experimentos

Volver al catálogo
Modelo de Ising — Imagen real de la aplicación

Physics / Math

Modelo de Ising

Transición de fase de un ferromagneto: dominios y temperatura crítica.

Descenso neuronal — Imagen real de la aplicación

Physics / Math

Descenso neuronal

Una red neuronal aprende dígitos en vivo, dibujada como física: el paisaje de pérdida en 3D, el descenso de gradiente como una bola rodando cuesta abajo, el momentum como inercia y el ruido de minibatches como temperatura.

Memoria de Hopfield — Imagen real de la aplicación

Physics / Math

Memoria de Hopfield

Daña con un pincel un recuerdo almacenado, predice si vuelve y observa cómo la red lo repara neurona a neurona - cada giro baja la energía en 2|h| - o cae en otro recuerdo o en una mezcla espuria, nombrada como tal.