关于「福克普朗克方程的有限差分:把一群访客当作一团概率云」,《长页的漂移与噪音》给出的定量结论是什么?
结论:福克普朗克方程描述一群尚未决定的访客怎样流动,壁上的通量就是每一刻的付款率与离开率。p31 用质量守恒的有限体积格式重现了闭式解,误差呈二阶收敛;p32 用级数与格式两种方法算出付款时刻的右偏分布,最终付款者大多在前几屏就做了决定;p33 说明显式格式的步长必须满足稳定性条件,否则数字没有意义。下一章用这套工具处理真正的页面:每一段的漂移与噪音都不同,删哪一段、先放哪一段,都会改变结局。
数据口径:书中参数为示意;全部计算由书中程序生成;本书是非个人化经营建议,模型用于描述访客怎样权衡信息,不是说服或操纵的技术,所有页面改动只用真实信息,不虚构倒计时或稀缺。 第四章逐段推进页面:示意页面删去功能表多出 0.0081,最好与最差段落次序相差 0.1764。
对照数据表
下表数字由本章 Python 程序原样打印,可重新运行复现。 程序只用 Python 标准库
| drift | cells | P(pay) FP | error | E[T] FP | error | steps |
|---|---|---|---|---|---|---|
| 0.2 | 21 | 0.5985 | -0.00021 | 0.9893 | +0.00244 | 1800 |
| 0.2 | 41 | 0.5986 | -0.00005 | 0.9875 | +0.00064 | 7000 |
| 0.2 | 81 | 0.5987 | -0.00001 | 0.9870 | +0.00016 | 26800 |
| 0.2 | exact | 0.5987 | 0.9869 | |||
| 0.5 | 21 | 0.7307 | -0.00033 | 0.9274 | +0.00320 | 1800 |
| 0.5 | 41 | 0.7310 | -0.00009 | 0.9251 | +0.00084 | 6400 |
| 0.5 | 81 | 0.7310 | -0.00002 | 0.9244 | +0.00021 | 24800 |
| 0.5 | exact | 0.7311 | 0.9242 |
核心公式
\[\frac{\partial p}{\partial t} = -v\frac{\partial p}{\partial x} + \frac{s^2}{2}\frac{\partial^2 p}{\partial x^2}.\]
查看完整验算程序
# Chapter 3. p31: the Fokker-Planck equation solved forward in time by a
# conservative finite-volume scheme, against the closed forms of p11.
# 方程:dp/dt = -v dp/dx + D d2p/dx2,D = s^2/2,两端吸收 p = 0。
# 网格:M 个格,格心在 (j + 0.5) dx;内部通量 F = v (p_j + p_j+1)/2
# - D (p_j+1 - p_j)/dx;壁在半格外,壁上通量为 D p / (dx/2)。
# 每步从两壁流出的质量分别记入「付款」与「离开」,质量严格守恒。
# 显式时间步 dt = 0.4 dx^2 / D。v = 0.2,s = 1,A = 2,Z = 1,均为示意。
import math
A, Z, S = 2.0, 1.0, 1.0
def exact(v):
k = 2.0 * v / (S * S)
p = (1.0 - math.exp(-k * Z)) / (1.0 - math.exp(-k * A))
return p, (A * p - Z) / v
def solve(v, m):
dx = A / m
d = S * S / 2.0
dt = 0.4 * dx * dx / d
p = [0.0] * m
p[int(Z / dx)] = 1.0 / dx
up, down, tw, t, k = [], [], [], 0.0, 0
while True:
f = [0.0] * (m + 1)
f[0] = -d * p[0] / (dx / 2.0)
f[m] = d * p[m - 1] / (dx / 2.0)
for j in range(m - 1):
f[j + 1] = (v * (p[j] + p[j + 1]) / 2.0
- d * (p[j + 1] - p[j]) / dx)
for j in range(m):
p[j] = p[j] - dt / dx * (f[j + 1] - f[j])
k += 1
t = k * dt
up.append(f[m] * dt)
down.append(-f[0] * dt)
tw.append(t * (f[m] - f[0]) * dt)
if k % 200 == 0 and math.fsum(p) * dx < 1e-7:
break
return math.fsum(up), math.fsum(down), math.fsum(tw), k
print("drift cells P(pay) FP error E[T] FP error steps")
for v in (0.2, 0.5):
pe, te = exact(v)
for m in (21, 41, 81):
pu, pd, tm, k = solve(v, m)
print("%.1f %-3d %.4f %+.5f %.4f %+.5f %d"
% (v, m, pu, pu - pe, tm, tm - te, k))
print("%.1f exact %.4f %.4f" % (v, pe, te))唯一数据源与引用
范雅福(Fan, Y.). (2026). 《福克普朗克漂移扩散、长销售页信念漂移速率与付款吸收壁首达时间母典》第 3 章「福克普朗克方程的有限差分:把一群访客当作一团概率云」(版本 1.0.0). 5D Library. DOI 待发布
DOI 待发布 · 专著页正式发布后上线(本站暂无专著页) · 5DL-B-240 · v1.0.0 · CC-BY-NC-ND-4.0
BibTeX
@book{fan2026240,
author = {Fan, Yafu},
title = {Fokker-Planck Drift-Diffusion on Long Sales Pages: Belief-Drift Rates and First-Passage Times to the Payment Barrier},
year = {2026},
publisher = {5D Library},
edition = {1.0.0},
note = {DOI pending}
}