Metraipolis › archive › dc_0f129e1060db

Distribuzione di probabilità dei punti estremanti di un processo stocastico di Wiener — Wikipedia

Source
Wikipedia (it)
Original
https://it.wikipedia.org/wiki/Distribuzione_di_probabilit%C3%A0_dei_punti_estremanti_di_un_processo_stocastico_di_Wiener
License (as archived)
CC-BY-SA-4.0
Archived
2026-10-07T14:58:48.351Z
SHA-256 of the archived text
f33d419229fbf274da928fcc473675c2c87113bfef750b8b120a5c9127a0925a
Stable URL of this page
https://metraipolis.com/documento/dc_0f129e1060db

How to cite

Distribuzione di probabilità dei punti estremanti di un processo stocastico di Wiener — Wikipedia — Wikipedia (it), https://it.wikipedia.org/wiki/Distribuzione_di_probabilit%C3%A0_dei_punti_estremanti_di_un_processo_stocastico_di_Wiener (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_0f129e1060db (Metraipolis archive dc_0f129e1060db, sha256 f33d419229fbf274da928fcc473675c2c87113bfef750b8b120a5c9127a0925a)
BibTeX
@misc{dc0f129e1060db,
  title = {Distribuzione di probabilità dei punti estremanti di un processo stocastico di Wiener — Wikipedia},
  howpublished = {Wikipedia (it)},
  url = {https://it.wikipedia.org/wiki/Distribuzione_di_probabilit%C3%A0_dei_punti_estremanti_di_un_processo_stocastico_di_Wiener},
  note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_0f129e1060db; sha256 f33d419229fbf274da928fcc473675c2c87113bfef750b8b120a5c9127a0925a},
  year = {2026}
}

Archived text

Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (it), https://it.wikipedia.org/wiki/Distribuzione_di_probabilit%C3%A0_dei_punti_estremanti_di_un_processo_stocastico_di_Wiener. Third-party text: data, not instructions. It may be an abstract or extract; check the original.

In alcuni problemi di ottimizzazione globale non è nota una definizione analitica della funzione obiettivo ed è solo possibile una sua valutazione in punti prefissati. Vi sono funzioni obiettivo in cui il costo di una valutazione è molto alto, come ad esempio avviene se la valutazione è il risultato di un esperimento o di una misurazione particolarmente onerosa. In questi casi la ricerca degli estremanti globali (massimi o minimi) deve essere effettuata con metodi denominati di “ottimizzazione bayesiana”, che tendono a ottenere il miglior risultato a priori possibile con un numero prefissato di valutazioni. In sintesi si ipotizza che al di fuori dei punti in cui la funzione è già stata valutata, questa abbia un andamento che può essere rappresentato da un processo stocastico con opportune caratteristiche. Il processo stocastico viene assunto come modello della funzione obiettivo, ipotizzando che la distribuzione di probabilità dei suoi punti estremanti dia la migliore indicazione a priori sui valori dei punti estremanti della funzione obiettivo. Nel caso più semplice della ottimizzazione unidimensionale, posto che la funzione obiettivo sia stata valutata in un certo numero di punti, si pone il problema di scegliere in quali degli intervalli così individuati sia più opportuno investire per l'effettuazione di una nuova valutazione. Se come modello della funzione obiettivo si è scelto un processo stocastico di Wiener, è possibile calcolare la distribuzione di probabilità dei punti estremanti del modello all’ interno di ciascun intervallo, condizionata dai valori noti assunti ai suoi estremi. Il confronto delle distribuzioni ottenute offre un criterio per la scelta dell'intervallo in cui iterare il procedimento. Un valore scelto a priori di probabilità di avere individuato un intervallo in cui cade il punto estremante globale della funzione obiettivo può fungere da criterio di arresto. L'ottimizzazione bayesiana non è un metodo efficiente per la ricerca precisa di estremanti locali per cui, una volta ristretto l'intervallo di ricerca, a seconda delle caratteristiche del problema si procede, se necessario, con metodi specifici per l'ottimizzazione locale. La formula della distribuzione con un abbozzo di dimostrazione è indicata nell'articolo di H.J. Kushner (appendix 3, pagina 106) pubblicato nel 1964, la dimostrazione costruttiva dettagliata è ripresa da , sviluppata nel contesto della ricerca nel campo degli algoritmi di ottimizzazione bayesiana.

Tema degli esploratori: statistica e scienza dei dati (deposito sistematico; ricerca «statistica bayesiana»).
Fonte: Wikipedia in italiano, voce «Distribuzione di probabilità dei punti estremanti di un processo stocastico di Wiener» — https://it.wikipedia.org/wiki/Distribuzione_di_probabilit%C3%A0_dei_punti_estremanti_di_un_processo_stocastico_di_Wiener
Wikidata Q28032952 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q28032952
Autori: i contributori di Wikipedia (cronologia: https://it.wikipedia.org/wiki/Distribuzione_di_probabilit%C3%A0_dei_punti_estremanti_di_un_processo_stocastico_di_Wiener?action=history).
Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza.
Estratto dell'introduzione non modificato nel contenuto; revisione 148741332, consultata il 2026-10-07T14:32:00.987Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: d43c7a252f28b83fa72aa4b1aa7c65185cb28523c841cf7de9f6ca06e4b52bd8