二维随机游走：从(a,b)出发首次触达y轴时落在正y值的概率计算

嘿，这个问题其实挺有意思的——我之前也碰到过类似的二维随机游走边界概率问题，刚好可以给你捋清楚思路。首先咱们先明确模型：默认是二维简单对称随机游走，每一步等概率（1/4）向上下左右四个方向挪1个单位，从点(a,b)（a>0，b≠0）出发，要算第一次走到y轴（x=0）时，y坐标为正的概率，我把这个概率记为P(a,b)。

核心思路：用鞅和积分来推导 #

这个问题没有那种一眼能看明白的初等闭合解，但咱们可以通过构造辅助函数结合傅里叶分析，得到一个积分形式的解，过程其实挺直观的：

1. 先简化问题：引入偏移量函数 #

你已经意识到当b>0时概率大于1/2，那咱们就把这个“偏移”单独拎出来：令Q(a,b) = P(a,b) - 1/2，这样Q(a,b)就代表概率相对于对称情况（b=0时概率刚好1/2）的偏差。

这时候边界条件就很清晰了：

• 当a=0时，已经在y轴上了，如果b>0，那概率就是1，所以Q(0,b)=1/2；如果b<0，概率是0，Q(0,b)=-1/2；
• 当a无限大时，离y轴太远，初始y的影响几乎可以忽略，概率趋近1/2，所以Q(a,b)→0。

2. 递推关系与傅里叶展开 #

Q(a,b)满足随机游走的递推式：

4Q(x,y) = Q(x+1,y) + Q(x-1,y) + Q(x,y+1) + Q(x,y-1)

意思就是，当前点的偏移量等于四个相邻点偏移量的平均。

接下来利用符号函数的傅里叶级数展开：sign(y) = (2/π)∫₀^∞ (sin(ky)/k) dk，咱们可以假设Q(a,b)是一个积分形式：

Q(a,b) = (1/π)∫₀^∞ [sin(kb)/k] * h(a,k) dk

把这个代入递推式，解出关于h(a,k)的二阶递推方程，再结合边界条件（当a=0时h(0,k)=1，a→∞时h(a,k)→0），就能得到：

h(a,k) = [ (2 - cosk) - √((2 - cosk)² - 1) ]^a

3. 最终的概率表达式 #

把Q(a,b)代回P(a,b)，就得到了最终的公式：

P(a,b) = 1/2 + (1/π)∫₀^∞ [sin(kb)/k] * [ (2 - cosk) - √((2 - cosk)² - 1) ]^a dk

一些直观的特殊情况 #

• 当b=0时，积分项里的sin(k*0)=0，所以P(a,0)=1/2，完全符合对称性；
• 当b>0时，积分项是正的，所以P(a,b)>1/2，和你的直觉完全一致；如果b无限大，这个积分会趋近于1/2，所以P(a,b)→1——毕竟初始位置远在正y方向，几乎不可能走到负y那边再碰y轴；
• 当a无限大时，[ (2 - cosk) - √((2 - cosk)² - 1) ]这个因子是小于1的（因为2 - cosk ≥1，开根号后减去的部分是正的，所以整体小于1），a次方后趋近于0，积分项消失，P(a,b)→1/2，离y轴越远，初始y的偏移影响就越弱。

怎么算具体数值？ #

如果需要具体的数值结果，比如你举的(5,5)的例子，直接用数值积分工具就行。比如用Python的scipy.integrate.quad来计算这个积分，结果大概在0.65左右（具体数值得精确计算，但肯定大于0.5）。

如果a很小（比如a=1、2），也可以用递推法：比如a=1时，P(1,b)满足：

P(1,b) = (1/4)*I(b>0) + (1/4)P(2,b) + (1/4)P(1,b+1) + (1/4)P(1,b-1)

这里的I(b>0)是指示函数，b>0时为1，否则为0。你可以设定一个足够大的y范围（比如y从-100到100），假设P(1,100)=1，P(1,-100)=0，然后解线性方程组得到近似解。

内容的提问来源于stack exchange，提问作者rxmnnxfpvg