Рассмотрим переменную, подчиняющуюся марковскому стохастическому процессу. Предположим, что ее текущее значение равно 10, а изменение в течение года описывается функцией 0(0, 1), где а) - нормальное распределение вероятностей с математическим ожиданием // и стандартным отклонением о. Какое распределение вероятностей описывает изменение этой переменной в течение двух лет?
Изменение переменной через два года описывается суммой двух нормальных распределений с нулевыми математическими ожиданиями и единичными стандартными отклонениями. Поскольку переменная является марковской, эти распределения не зависят друг от друга. Складывая два независимых нормальных распределения, мы получим нормальное распределение, математическое ожидание которого равно сумме математических ожиданий каждого из слагаемых, а дисперсия - сумме их дисперсий. Таким образом, математическое ожидание изменений рассматриваемой переменной на протяжении двух лет равно нулю, а дисперсия - 2,0. Следовательно, изменение значения переменной через два года является случайной величиной с распределением вероятностей ф(0, %/2).
Рассмотрим далее изменение переменной за шесть месяцев. Дисперсия изменений этой переменной в течение одного года равна сумме дисперсий этих изменений на протяжении первых и вторых шести месяцев. Предположим, что эти дисперсии одинаковы. Тогда дисперсия изменений переменной на протяжении шести месяцев равна 0,5, а стандартное отклонение - 1/0,5. Следовательно, распределение вероятностей изменения переменной на протяжении шести месяцев равно ф(0, \ДЩ)
Аналогичные рассуждения позволяют доказать, что изменение переменной на протяжении трех месяцев имеет распределение 0(0, ^/0,25). Вообще говоря, изменение переменной на протяжении временного периода, имеющего длину Т, описывается распределением вероятностей ф(0, \[Т) В частности, изменение переменной за очень короткий промежуток времени, имеющий длину АТ, описывается распределением вероятностей ф(0, л/ДТ).
Квадратные корни в этих выражениях могуг показаться странными. Они возникают изза того, что при анализе марковского процесса дисперсии изменений переменной в последовательные моменты времени складываются, а стандартные отклонения - нет. В нашем примере дисперсия изменений переменной в течение одного года равна 1,0, поэтому дисперсия изменений этой переменной в течение длух лет равна 2,0, а через три года3,0. В то же время стандартные отклоне
ния изменений переменных через два и три года равны \/2 и \/3 соответственно. Строго говоря, мы не должны говорить, что стандартное отклонение изменений переменной за один год равно 1,0 в год. Следует говорить, что оно равно “корню квадратному из единицы в год”. Это объясняет, почему величину неопределенности часто считают пропорциональной квадратному корню из времени.
Винеровские процессы
Процесс, которому подчиняется рассмотренная выше переменная, называется винеровским (Wiener process). Он представляет собой частный случай марковского стохастического процесса, когда математическое ожидание изменений переменной равно нулю, а их дисперсия равна 1,0. Этот процесс широко используется в физике для описания движения частицы, участвующей в большом количестве столкновений с молекулами (это явление называется броуновским движением (Brownian motion)).
Говоря формально, переменная z подчиняется винеровскому процессу, если она имеет следующие свойства.
СВОЙСТВО 1. Изменение Az на протяжении малого промежутка времени At удовлетворяет равенству
Az = ey/At, (12.1)
где е - случайная величина, подчиняющаяся стандартизованному нормальному распределению ф(0,1).
Свойство 2. Величины Az на двух малых промежутках времени At являются независимыми.
Из первого свойства следует, что величина Az имеет нормальное распределение, у которого математическое ожидание равно нулю, стандартное отклонение равно VAt, а дисперсия равна At. Второе свойство означает, что величина 2 подчиняется марковскому процессу.
Рассмотрим увеличение переменной z на протяжении относительно долгого периода времени Т. Это изменение можно обозначить как z(T) - z(0). Его можно представить в виде суммы увеличения переменной г на протяжении N относительно малых промежутков времени, имеющих длину At. Здесь
Следовательно,
z(т)z(o) = J2?^t’ (12.2)
г=1
где?г,г = 1,2,...,ЛГслучайные величины, имеющие распределение вероятностей ф(0,1). Из второго свойства винеровского процесса следует, что величины?
?; являются независимыми друг от друга. Из выражения (12.2) следует, что случайная величина z(T) - z(0) имеет нормальное распределение, математическое ожидание которого равно нулю, дисперсия равна NAt = Т, а стандартное отклонение - у/Т. Эти выводы согласуются с результатами, указанными выше. Пример 12.1
Предположим, что значение г случайной переменной, подчиняющейся винеровскому процессу, в первоначальный момент времени равно 25, а время измеряется годами. В конце первого года значение переменной имеет нормальное распределение с математическим ожиданием, равным 25, и стандартным отклонением, равным 1,0. В конце пятого года значение переменной имеет нормальное распределение с математическим ожиданием, равным 25, и стандартным отклонением, равным л/5, т.е. 2,236. Неопределенность значения переменной в определенный момент в будущем, измеренная его стандартным отклонением, возрастает как квадратный корень из длины прогнозируемого интервала. ?
В математическом анализе широко используется переход к пределу, когда величина малых изменений стремится к нулю. Например, при At -> 0 величина Ах = aAt превращается в величину dx = adt. При анализе стохастических процессов используются аналогичные обозначения. Например, при At -> 0 описанный выше процесс Az стремится к винеровскому процессу dz.
На рис. 12.1 показано, как изменяется траектория переменной z при At -> 0. Обратите внимание на то, что этот график является “зазубренным”. Это объясняется тем, что изменение переменной z за время At пропорционально величине v^Af, а когда величина At становится малой, число \/Аt намного больше, чем At. Благодаря этому, винеровский процесс обладает двумя интригующими свойствами.
1. Ожидаемая длина траектории, которую проходит переменная z в течение любого промежутка времени, является бесконечной.
2. Ожидаемое количество совпадений переменной z с любым конкретным значением на любом промежутке времени является бесконечным.
Обобщенный винеровский процесс
Скоростью дрейфа (drift rate), или коэффициентом сноса, стохастического процесса называется средняя величина изменения переменной величины за единицу времени, а дисперсией (variance rate), или коэффициентом диффузии - величина колебаний за единицу времени. Скорость дрейфа основного винеровского процесса dz, рассмотренного выше, равна нулю, а дисперсия равна 1,0. Нулевой дрейф означает, что ожидаемое значение переменной z в любой момент времени равно ее текущему значению. Единичная дисперсия процесса означает, что дисперсия изменения переменной z на интервале времени Т равна его длине.
Рис. 12.1. Изменение цены акции в примере
Обобщенный винеровский процесс (generalized Wiener process) для переменной х можно определить через величину dz следующим образом.
dx - adt + bdz, (12.3)
где а и b - константы.
Чтобы понять смысл уравнения (12.3), полезно рассмотреть два слагаемых в правой части по отдельности. Слагаемое a dt означает, что ожидаемая скорость дрейфа переменной х равна о единиц в единицу времени. Без второго члена уравнение (12.3) превращается в уравнение
dx = adt,
откуда следует, что
dx
Интегрируя это уравнение по времени, получаем
х = хо + а?,
где хо - значение переменной х в нулевой момент времени. Таким образом, за период времени Т переменная х увеличивается на величину ей. Член Ь dz можно рассматривать как шум, или изменчивость траектории, которую проходит переменная х. Величина этого шума в Ь раз больше значения винеровского процесса. Стандартное отклонение винеровского процесса равно 1,0. Отсюда следует, что стандартное отклонение величины Ь dz равно Ь. На небольших промежутках времени АЬ изменение Ах переменной х определяется уравнениями (12.1) и (12.3).
Ах = аАЬ + ЪЕУ/АЬ,
где е, как и прежде, - случайная величина, имеющая стандартизованное нормальное распределение. Итак, величина Ах имеет нормальное распределение, математическое ожидание которого равно аАЬ, стандартное отклонение - 6л/Д7, а дисперсия - Ь2Д/. Аналогичными рассуждениями можно показать, что изменение переменной х в течение произвольного интервала времени Т имеет нормальное распределение с математическим ожиданием с.Т, стандартным отклонением Ьу/Т и дисперсией Ь2Т. Таким образом, ожидаемая скорость дрейфа обобщенного винеровского процесса (12.3) (т.е. среднее изменение дрейфа в единицу времени) равна а, а дисперсия (т.е. дисперсия переменной за единицу времени) - Ь2. Этот процесс изображен на рис. 12.2. Проиллюстрируем скачанное следующим примером.
Пример 12.2
Рассмотрим ситуацию, в которой доля активов компании, вложенных в краткосрочные денежные эквиваленты (cash position), измеренные тысячами долларов, подчиняется обобщенному винеровскому процессу со скоростью дрейфа, равной 20 тыс. долл. в год, и дисперсией, равной 900 тыс. долл. в год. В первый момент времени доля активов равна 50 тыс. долл. Через год эта доля активов будет иметь нормальное распределение с математическим ожиданием, равным 70 тыс. долл., и стандартным отклонением, равным л/900, т.е. 30 долл. Через шесть месяцев она будет иметь нормальное распределение с математическим ожиданием, равным 60 тыс. долл., и стандартным отклонением, равным 30\ДЦ> = 21,21 долл. Неопределенность, связанная с долей активов, вложенных в краткосрочные эквиваленты наличности, измеренная с помощью стандартного отклонения увеличивается как корень квадратный из длины прогнозируемого интервала. Обратите внимание на то, что эта доля активов может стать отрицательной (когда компания делает займы). ?
Процесс Ито
Стохастическим процессом Ито (Ito process) называется обобщенный винеровский процесс, б котором параметры а и Ь являются функциями, зависящими от переменной х и времени t. Процесс Ито можно выразить следующей формулой.
dx = а(х, t)dt + b(x, t)d,z,?
И ожидаемая скорость дрейфа, и дисперсия этого процесса со временем изменяются. За небольшой промежуток времени от t до At переменная изменяется от
х до х + Ах, где
Ах = а{х, t) At + Ъ(х, t)e\fAt.
Это отношение содержит небольшую натяжку. Она связана с тем, что мы считаем дрейф и дисперсию переменной х постоянными величинами, которые на интервале времени от t до At равны а(х, t) и b(x, t)2 соответственно.

Это процесс, поведение которого не является детерминированным , и последующее состояние такой системы описывается как величинами, которые могут быть предсказаны, так и случайными. Однако, по М. Кацу и Э. Нельсону , любое развитие процесса во времени (неважно, детерминированное или вероятностное) при анализе в терминах вероятностей будет случайным процессом (иными словами, все процессы, имеющие развитие во времени, с точки зрения теории вероятностей, стохастические).

Стохастичность в математике

Использование термина стохастичность в математике относят к работам Владислава Борцкевича , который использовал его в значении выдвигать гипотезы , которое, в свою очередь, отсылает нас к древнегреческим философам, а также к работе Я. Бернулли Ars Conjectandi (лат. искусство загадывать) .

Область исследований случайных в математике , особенно в теории вероятностей , играет большую роль.

Использование методов Монте-Карло требует большого числа случайных величин, что, как следствие, привело к развитию

Временные ряды . Временной ряд – это множество наблюдений, генерируемых последовательно во времени. Если время непрерывно, временно ряд называется непрерывным. Если время изменяется дискретно, временной ряд дискретен. Наблюдения дискретного временного ряда, сделанные в моменты времени могут быть обозначены через . В этой книге рассматриваются только дискретные временные ряды, в которых наблюдения делаются через фиксированный интервал . Когда имеется последовательных значений такого ряда, доступных для анализа, мы пишем , обозначая так наблюдения, сделанные в равноотстоящие моменты времени . Во многих случаях значения и не важны, но если необходимо точно определить времена наблюдений, нужно указать эти два значения. Если мы принимаем за начало и за единицу времени, мы можем рассматривать как наблюдение в момент времени .

Дискретные временные ряды могут появляться двумя путями.

1) Выборкой из непрерывных временных рядов, например, в ситуации, показанной на рис. 1.2, где значения непрерывных входа и выхода газовой печи считываются с интервалом 9 с.

2) Накоплением переменной в течение некоторого периода времени; примерами могут служить дождевые осадки, которые обычно накапливаются за такие периоды, как день или месяц, или выход партий продукта, накапливающегося за время цикла. Например, на рис. 2.1 показан временной ряд, состоящий из значений выхода 70 последовательных партий продукта химического процесса.

Рис. 2.1 Выход 70 последовательных партий продукта химического процесса.

Детерминированные и случайные временные ряды . Если будущие значения временного ряда точно определены какой-либо математической функцией, например, такой, как

,

временной ряд называют детерминированным. Если будущие значения могут быть описаны только с помощью распределения вероятностей, временной ряд называют недетерминированным, или просто случайным. Данные о партиях продукта на рис. 2.1 – это пример случайного временного ряда. Хотя в этом ряду имеется отчетливая тенденция к чередованию «вверх-вниз», невозможно точно предсказать выход следующей партии. В этой книге мы будем исследовать именно такие случайные временные ряды.

Стохастические процессы . Статическое явление, развивающееся во времени согласно законам теории вероятности, называется стохастическим процессом. Мы часто будем называть его просто процессом, опуская слово «стохастический». Подлежащий анализу временной ряд может быть рассматриваться как одна частная реализация изучаемой системы, генерируемая скрытым вероятностным механизмом. Другими словами, анализируя временной ряд, мы рассматриваем его как реализацию стохастического процесса.

Рис. 2.2 Наблюденный временной ряд (жирная линия) и другие временные ряды, являющиеся реализациями одного и того же стохастического ряда.

Рис. 2. 3. Изолинии плотности двумерного распределения вероятности, описывающего стохастический процесс в моменты времени и , там же маргинальное распределение в момент .

Например, анализирую данные о выходе партии продукта на рис 2.1, мы можем представить себе другие множества наблюдений (другие реализации порождающего эти наблюдения стохастического процесса), которые могут быть генерированы той же самой химической системой, за те же циклов. Так, например, на рис. 2.2 показаны выходы партий продукта с по (жирная линия) вместе с другими временными рядами, которые могли бы быть получены из популяции временных рядов, определяемых тем же стохастическим процессом. Отсюда следует, что мы можем рассматривать наблюдение в данное время , скажем , как реализацию случайной величины с плотностью вероятности . с плотностью вероятности .

Не может быть определен по изначальному состоянию системы.

В математике стохастическая матрица - это матрица , в которой все столбцы и/или строки - ряды неотрицательных действительных чисел, дающих в сумме.

В физике, стохастический резонанс - это проявление эффекта допорогового периодического сигнала, из-за добавления беспорядочного (шумового) воздействия, имеющего определённую оптимальную амплитуду, при которой проявление наиболее сильно́.

В музыке. Стохастическая музыка - по Хиллеру - это название такого вида композиционной техники, при котором законы теории вероятности определяют факт появления тех или иных элементов композиции при заранее обусловленных общих формальных предпосылках. В 1956 году, Янис Ксенакис ввел свой термин «стохастическая музыка», для описания музыки, основанной на законах вероятностей и законах больших чисел.

Стохастические системы - это системы, изменение в которых носит случайный характер. При случайных воздействиях данных о состоянии системы недостаточно для предсказания в последующий момент времени.

Стохастический: Определение процесса, определяемого рядом наблюдений.

См. также

Wikimedia Foundation . 2010 .

Синонимы :

Смотреть что такое "Стохастический" в других словарях:

- [гр. stochastikos умеющий угадывать] случайный, вероятностный, беспорядочный, непредсказуемый. Словарь иностранных слов. Комлев Н.Г., 2006. стохастический (гр. stochasis догадка) случайный, или вероятностный, напр, с. процесс процесс, характер… … Словарь иностранных слов русского языка

Вероятностный, случайный; непредсказуемый. Ant. закономерный, обязательный Словарь русских синонимов. стохастический прил., кол во синонимов: 4 беспорядочный (44) … Словарь синонимов

Большой Энциклопедический словарь

Управляемый законами теории вероятностей, случайный. Геологический словарь: в 2 х томах. М.: Недра. Под редакцией К. Н. Паффенгольца и др.. 1978 … Геологическая энциклопедия

Англ. stochastic; нем. stochastisch. В статистике случайный или вероятный; напр., С. процесс процесс, характер изменения к рого во времени точно предсказать невозможно. Antinazi. Энциклопедия социологии, 2009 … Энциклопедия социологии

стохастический - ая, ое. stochastique, нем. stochastisch <гр. stochasis догадка. мат. Случайный, происходящий с вероятностью, которую невозможно предсказать. С.процесс. Стохастичность и, ж. Крысин 1998. Лекс. БСЭ 2: стохасти/ческий … Исторический словарь галлицизмов русского языка

стохастический - tikimybinis statusas T sritis automatika atitikmenys: angl. stochastic vok. stochastisch rus. стохастический pranc. stochastique ryšiai: sinonimas – stochastinis … Automatikos terminų žodynas

Ая, ое [греч. stochasis догадка] Книжн. Случайный, вероятностный, возможный. С ие изменения в экономике. С. процесс эволюции природы. * * * стохастический (от греч. stochastikós умеющий угадывать), случайный, вероятностный … Энциклопедический словарь

Стохастический - то есть случайный, не имеющий очевидной закономерной причины … Физическая Антропология. Иллюстрированный толковый словарь.

Стохастический - (от греч. stochastikos умеющий угадывать) случайный, вероятностный … Начала современного естествознания

Книги

• , Ф. С. Насыров. Книга посвящена применению методов теории функций вещественной переменной и теории дифференциальных уравнений в стохастическом анализе. Материал охватывает общую теорию локальных времен для…
• Локальные времена, симметричные интегралы и стохастический анализ , Насыров Ф.С.. Книга посвящена применению методов теории функций вещественной переменной и теории дифференциальных уравнений в стохастическом анализе. Материал охватывает общую теорию локальных времен для…

Любое развитие процесса во времени (неважно, детерминированное или вероятностное) при анализе в терминах вероятностей будет случайным процессом (иными словами, все процессы, имеющие развитие во времени, с точки зрения теории вероятностей, стохастические).

Стохастичность в математике

Использование термина стохастичность в математике относят к работам Владислава Борцкевича , который использовал его в значении выдвигать гипотезы , которое, в свою очередь, отсылает нас к древнегреческим философам, а также к работе Я. Бернулли Ars Conjectandi (лат. искусство загадывать) .

Область исследований случайных в математике , особенно в теории вероятностей , играет большую роль.

Использование методов Монте-Карло требует большого числа случайных величин, что, как следствие, привело к развитию генераторов псевдослучайных чисел , которые были намного быстрее, чем табличные методы генерации, которые ранее использовались для статистической выборки.

Одной из программ, где практически используются методы Монте-Карло, является MCNP .

Биология

В биологических системах было введено понятие "стохастического шума", который помогает усилить сигнал внутренней обратной связи. Применяется для контроля за обменом веществ у диабетиков. Также имеет место понятие «стохастичности речевых сигналов» .

Медицина

Примером подобных стохастических эффектов может служить рак.

Напишите отзыв о статье "Стохастичность"

Примечания

Ссылки

• from Index Funds Advisors
• Formalized Music: Thought and Mathematics in Composition by Iannis Xenakis , ISBN 1-57647-079-2
• Frequency and the Emergence of Linguistic Structure by Joan Bybee and Paul Hopper (eds.), ISBN 1-58811-028-1 /ISBN 90-272-2948-1 (Eur.)

Отрывок, характеризующий Стохастичность

«Нет, она права, – думала старая княгиня, все убеждения которой разрушились пред появлением его высочества. – Она права; но как это мы в нашу невозвратную молодость не знали этого? А это так было просто», – думала, садясь в карету, старая княгиня.

В начале августа дело Элен совершенно определилось, и она написала своему мужу (который ее очень любил, как она думала) письмо, в котором извещала его о своем намерении выйти замуж за NN и о том, что она вступила в единую истинную религию и что она просит его исполнить все те необходимые для развода формальности, о которых передаст ему податель сего письма.
«Sur ce je prie Dieu, mon ami, de vous avoir sous sa sainte et puissante garde. Votre amie Helene».
[«Затем молю бога, да будете вы, мой друг, под святым сильным его покровом. Друг ваш Елена»]
Это письмо было привезено в дом Пьера в то время, как он находился на Бородинском поле.

Во второй раз, уже в конце Бородинского сражения, сбежав с батареи Раевского, Пьер с толпами солдат направился по оврагу к Князькову, дошел до перевязочного пункта и, увидав кровь и услыхав крики и стоны, поспешно пошел дальше, замешавшись в толпы солдат.
Одно, чего желал теперь Пьер всеми силами своей души, было то, чтобы выйти поскорее из тех страшных впечатлений, в которых он жил этот день, вернуться к обычным условиям жизни и заснуть спокойно в комнате на своей постели. Только в обычных условиях жизни он чувствовал, что будет в состоянии понять самого себя и все то, что он видел и испытал. Но этих обычных условий жизни нигде не было.
Хотя ядра и пули не свистали здесь по дороге, по которой он шел, но со всех сторон было то же, что было там, на поле сражения. Те же были страдающие, измученные и иногда странно равнодушные лица, та же кровь, те же солдатские шинели, те же звуки стрельбы, хотя и отдаленной, но все еще наводящей ужас; кроме того, была духота и пыль.
Пройдя версты три по большой Можайской дороге, Пьер сел на краю ее.
Сумерки спустились на землю, и гул орудий затих. Пьер, облокотившись на руку, лег и лежал так долго, глядя на продвигавшиеся мимо него в темноте тени. Беспрестанно ему казалось, что с страшным свистом налетало на него ядро; он вздрагивал и приподнимался. Он не помнил, сколько времени он пробыл тут. В середине ночи трое солдат, притащив сучьев, поместились подле него и стали разводить огонь.
Солдаты, покосившись на Пьера, развели огонь, поставили на него котелок, накрошили в него сухарей и положили сала. Приятный запах съестного и жирного яства слился с запахом дыма. Пьер приподнялся и вздохнул. Солдаты (их было трое) ели, не обращая внимания на Пьера, и разговаривали между собой.
– Да ты из каких будешь? – вдруг обратился к Пьеру один из солдат, очевидно, под этим вопросом подразумевая то, что и думал Пьер, именно: ежели ты есть хочешь, мы дадим, только скажи, честный ли ты человек?
– Я? я?.. – сказал Пьер, чувствуя необходимость умалить как возможно свое общественное положение, чтобы быть ближе и понятнее для солдат. – Я по настоящему ополченный офицер, только моей дружины тут нет; я приезжал на сраженье и потерял своих.
– Вишь ты! – сказал один из солдат.
Другой солдат покачал головой.
– Что ж, поешь, коли хочешь, кавардачку! – сказал первый и подал Пьеру, облизав ее, деревянную ложку.
Пьер подсел к огню и стал есть кавардачок, то кушанье, которое было в котелке и которое ему казалось самым вкусным из всех кушаний, которые он когда либо ел. В то время как он жадно, нагнувшись над котелком, забирая большие ложки, пережевывал одну за другой и лицо его было видно в свете огня, солдаты молча смотрели на него.
– Тебе куды надо то? Ты скажи! – спросил опять один из них.
– Мне в Можайск.
– Ты, стало, барин?
– Да.
– А как звать?
– Петр Кириллович.
– Ну, Петр Кириллович, пойдем, мы тебя отведем. В совершенной темноте солдаты вместе с Пьером пошли к Можайску.
Уже петухи пели, когда они дошли до Можайска и стали подниматься на крутую городскую гору. Пьер шел вместе с солдатами, совершенно забыв, что его постоялый двор был внизу под горою и что он уже прошел его. Он бы не вспомнил этого (в таком он находился состоянии потерянности), ежели бы с ним не столкнулся на половине горы его берейтор, ходивший его отыскивать по городу и возвращавшийся назад к своему постоялому двору. Берейтор узнал Пьера по его шляпе, белевшей в темноте.
– Ваше сиятельство, – проговорил он, – а уж мы отчаялись. Что ж вы пешком? Куда же вы, пожалуйте!
– Ах да, – сказал Пьер.
Солдаты приостановились.
– Ну что, нашел своих? – сказал один из них.
– Ну, прощавай! Петр Кириллович, кажись? Прощавай, Петр Кириллович! – сказали другие голоса.
– Прощайте, – сказал Пьер и направился с своим берейтором к постоялому двору.
«Надо дать им!» – подумал Пьер, взявшись за карман. – «Нет, не надо», – сказал ему какой то голос.
В горницах постоялого двора не было места: все были заняты. Пьер прошел на двор и, укрывшись с головой, лег в свою коляску.

Едва Пьер прилег головой на подушку, как он почувствовал, что засыпает; но вдруг с ясностью почти действительности послышались бум, бум, бум выстрелов, послышались стоны, крики, шлепанье снарядов, запахло кровью и порохом, и чувство ужаса, страха смерти охватило его. Он испуганно открыл глаза и поднял голову из под шинели. Все было тихо на дворе. Только в воротах, разговаривая с дворником и шлепая по грязи, шел какой то денщик. Над головой Пьера, под темной изнанкой тесового навеса, встрепенулись голубки от движения, которое он сделал, приподнимаясь. По всему двору был разлит мирный, радостный для Пьера в эту минуту, крепкий запах постоялого двора, запах сена, навоза и дегтя. Между двумя черными навесами виднелось чистое звездное небо.
«Слава богу, что этого нет больше, – подумал Пьер, опять закрываясь с головой. – О, как ужасен страх и как позорно я отдался ему! А они… они все время, до конца были тверды, спокойны… – подумал он. Они в понятии Пьера были солдаты – те, которые были на батарее, и те, которые кормили его, и те, которые молились на икону. Они – эти странные, неведомые ему доселе они, ясно и резко отделялись в его мысли от всех других людей.