АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Цепи Маркова

Читайте также:
  1. Моделирование процесса заражения хоста вредоносом 10-го типа помощью сетей Петри-Маркова.
  2. Моделирование процесса заражения хоста вредоносом 11-го типа помощью сетей Петри-Маркова.
  3. Моделирование процесса заражения хоста вредоносом 12-го типа помощью сетей Петри-Маркова.
  4. Моделирование процесса заражения хоста вредоносом 2-го типа с помощью сетей Петри-Маркова.
  5. Моделирование процесса заражения хоста вредоносом 3-го типа помощью сетей Петри-Маркова.
  6. Моделирование процесса заражения хоста вредоносом 4-го типа с помощью сетей Петри-Маркова.
  7. Моделирование процесса заражения хоста вредоносом 5-го типа помощью сетей Петри-Маркова.
  8. Моделирование процесса заражения хоста вредоносом 6-го типа помощью сетей Петри-Маркова.
  9. Моделирование процесса заражения хоста вредоносом 8-го типа помощью сетей Петри-Маркова.
  10. Моделирование процесса заражения хоста вредоносом 9-го типа помощью сетей Петри-Маркова.

Пусть последовательность случайных величин, значения которых лежат в множестве ; н. б. ч. с. Можно считать, что .

Определение. Последовательность случайных величин будем называть цепью Маркова, если и

Множество будем называть множеством состояний.

играет роль времени, - состояние системы, за которой мы наблюдаем.

Марковское свойство:

- прошлое и будущее независимы при фиксированном настоящем.

Определим , где - переходная вероятность из состояния в состояние в момент времени .

Если (т. е. не зависит от момента времени) однородная цепь Маркова.

Чтобы знать все вероятности , необходимо знать

·

· .

Например, = .

Рассмотрим матрицу, которую обозначим Такую матрицу мы будем называть матрицей переходных вероятностей.

Для матрицы выполняются условия:

Любая матрица с такими совйствами называется стохастической.

Итак, чтобы уметь описывать цепь Маркова, необходимо знать

1) Вектор начальных состояний


и матрицу

2) .

Задачи.

1) Пусть - цепь Маркова. Показать, что тоже цепь Маркова.

2) независимые одинаково распределенные целочисленные случайные величины с известными вероятностями Какой вид имеет матрица

 

 

Лекция 14 (7.12.10)

Зададимся следующим вопросом: верно ли, что для однородных марковских цепей справедливо равенство

при всех натуральных k?

Утверждение: однородная ЦМ , при всех .

Доказательство: индукцией по .

База: - равенство следует из определения однородной ЦМ.

Пусть верно для , докажем для .

Рассмотрим

 

= = = = = = = = = .

 

Введем обозначение: - это переходная вероятность из состояния в состояние за шагов.

– это тоже стохастическая матрица (оба свойства выполняются).

 

Пусть известна - матрица переходных вероятностей за 1 шаг.

Как найти - матрицу переходных вероятностей за шагов?

 

 


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.004 сек.)