Caminhantes aleatórios com perfil de memória binomial

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Gomes, Rebecca de Moura Diniz
Orientador(a): Araújo, João Medeiros de
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM FÍSICA
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
Caminhadas aleatórias
Memória binomial
Não-markovianos
Expoente de Hurst
Superdifusão
Log-periodicidade
Área do conhecimento CNPq:
CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA
Link de acesso: 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_ 1797777650386731008

Registros relacionados