Раздел I. Марковские процессы
Глава 1. Марковские процессы с дискретным временем (цепи Маркова).
Т = { 0, 1, 2, … } – момент времени (дискрет.) случайный процесс
{ ( t ), t Т } = { 0, 1, …} = n, n ≥ 0} – последовательность случайных величин.
Множество состояний Х = { 0, 1, 2, … } – дискретно (конечное или счетное).
Х – множество состояний процесса или его фазовое пространство.
Лекция № 4
{ n = n ( ω ), n ≥ 0} – процесс с дискретным временем.
Х – множество состояний, n Х, n ≥ 0, Х = { 0, 1, 2, … }.
Определение 1. Последовательность { n } будет называться цепью Маркова, если выполнено следующее условие:
Р ( n +1 = i n+1 / 0 = i0, 1 = i1, …, n = i n) = P ( n +1 = i n+1 / n = i n)
при всех i0, …, i n, i n+1 Х, для которых соответствующие условия вероятности определены, n ≥ 1
будущее
─┬─┬──┬─┬─┬─┬─ При известном настоящем будущее
0 1 2 n-1 n n+1 не зависит от прошлого.
прошлое
настоящее
Определение 2. (Вариант марковского свойства)
Последовательность Р ( n, n + 1 ) называется цепью Маркова, если для значения момента времени n ≥ 1, i Х имеет место соотношение:
Р ( А В | n = i ) = Р ( А | n = i ) P ( В | n = i ),
где А – произвольное событие, связанное с траекторией процесса до момента n – 1
включительно ( 0, 1, …, n – 1) – прошедшее.
В – произвольное событие, связанное с траекторией процесса на отрезке (n +1, n +2, …), т.е. с будущим.
Это соотношение иногда называют условной независимостью двух произвольных событий.
Характеристика процесса
Определение. Переходными вероятностями (вероятности перехода) будут называть следующие вероятности:
Рi j ( n, m) = Р ( m = j | n = i ), m > n, i, j Х.
Вероятность перехода за дин шаг:
Рi j ( n, n + 1 ) = Р ( n+1 = j | n = i )
Свойства вероятностей перехода:
1) 0 ≤ Рi j ( n, m) ≤ 1, n < m, i, j Х.
2) ∑ Рi j ( n, m) = 1 (условия нормировки)
jХ
Представление конечномерного распределения марковской цепи через вероятности перехода
Р ( 1 = i1 , 2 = i 2, …, n = i n | 0 = i0) = P ( 1 = i | 0 = i 0) x
x Р ( 2 = i 2 | , i = i1 ), … P ( n = i n | n-1 = i n-1)
произведение вероятностей перехода за один шаг.
Доказательство.
Р ( 1 = i1 , 2 = i 2, …, n = i n | 0 = i0 ) = {условная вероятность} =
═ Р ( 0 = i 0, 1 = i1 , …, n = i n ) ═ { будем делить и умножать на одну и ту же
Р ( 0 = i 0 ) величину} =
═ Р ( 0 = i 0, 1 = i 1 ) Р ( 0 = i 0, 1 = i 1 , …, 2 = i 2 ) …
Р ( 0 = i 0 ) Р ( 0 = i 0 , 1 = i 1)
… Р ( 0 = i 0, 1 = i1 , …, n-1 = i n-1 , n = i n ) ═ { к каждому применим условную
Р ( 0 = i 0 , …, n-1 = i n-1 ) вероятность} =
Р ( 1 = i1 | 0 = i0 ) P ( 2 = i 2 | 0 = i 0, 1 = i1)… Р ( n = i n | 0 = i0 , …, n-1 = i n-1 ) =
= { по определению 1 цепи Маркова} =
= Р ( 1 = i1 | 0 = i0 ) P ( 2 = i 2 | 1 = i1)… Р ( n = i n | n-1 = i n-1 )
Можно записать:
Р ( 1 В1 , 2 В2 , …, n Вn | 0 = i 0 ) =
= ∑ ∑ … ∑ Р ( 1 = i1, 2 = i 2 , …, n = i n | 0 = i 0 ),
i1B1 i 2B2 i nBn
где В1 , …, Вn с Х
т.е. все можно записать в виде условных вероятностей за один шаг.
Два подхода к заданию марковской цепи.
-
Необходимо задать систему вероятностей перехода за один шаг, в виде матриц:
Р ( n, n + 1 ) = ( Pi j (n, n + 1), где i, j Х), n ≥ 0, и начальное состояние фиксированное 0 = i 0, в этом случае произвольное конечномерное распределение цепи зависит от начального состояния и выражается через вероятности перехода за один шаг.
-
Необходимо задать ту же самую систему вероятностей перехода за один шаг
Р ( n, n + 1 ), n ≥ 0, и начальное распределение Pi ( 0 ) ( 0 = i ), i Х. В этом случае конечномерное распределение можно усреднить по начальному распределению.
Р ( n, m) = - матрица вероятностей перехода за время n, m.
= ( Pi j (n, m ), i, j Х).
Уравнение Колмогорова - Чепмена
Pi j (n, m) = ∑ Рi k ( n, s ) Рk j ( s, m ), n < s < m, i, k, j Х.
kX
s - промежуточный момент времени.
k - произвольное состояние.
В момент s процесс проходит через произвольное состояние Х
Соотношение Колмогорова – Чепмена следует из формулы полной вероятности и марковского свойства.
В матричной форме уравнение Колмогорова – Чепмена можно переписать:
P (n, m) = Р ( n, s ) Р ( s, m ), n < s < m.
P (n, m) = Р ( n, n+1) … Р (m – 1, m) = … = Р ( n, n+1 ) Р ( n+1, n+2 ) …Р (m – 1, m) (1)
произведение матриц.