Основные определения и свойстваСтр 1 из 3Следующая ⇒
Раздел 2.Цепи Маркова и случайные процессы Содержание 2.1.Цепи и процессы Маркова 2.1.1.Основные определения и свойства 2.1.2.Возвратные и невозвратные состояния 2.1.3.Эргодическая теорема о сходимости к стационарному распределению 2.2.Случайные процессы 2.2.1.Белый шум 2.2.2.Линейная система в стохастической среде 2.2.3.Нормальные(гауссовы) случайные процессы 2.2.4.Стационарные случайные процессы 2.2.5.Стационарный процесс с дискретным спектром 2.2.6.Стационарный процесс с непрерывным спектром 2.2.7.Спектральное представление процесса на выходе линейной системы 2.2.8.Эргодический случайный процесс
Цепи и процессы Маркова Основные определения и свойства Рассмотрим физическую систему, возможные состояния которой в момент времени t принимают целочисленные значения . Тогда можно считать, что величины , описывают случайный процесс переходов системы из одного состояния в другое. Определение. Случайный процесс называется однородным, если условная вероятность
не зависит от расположения моментов на временной оси, а зависит лишь от промежутка . Определение. Условная вероятность называется вероятностью перехода или переходной вероятностью системы из состояния в состояние . Положим, что переход системы из состояния в состояние не зависит от , точнее, что условное распределение вероятностей величины при любых не зависит от : (2.1.1) Определение. Однородный процесс , удовлетворяющий условию (2.1.1), называется однородным марковским процессом со счетным числом состояний. Для марковского процесса выполняются следующие свойства. Свойство 1. Для однородного марковского процесса , с переходными вероятностями и любых случайных величин и имеем (2.1.2) Из соотношений (2.1.2) видно, что поведение марковского процесса после момента при известном состоянии не зависит от его поведения до момента . Свойство 2. Формула (2.1.2) задает совместные распределения вероятностей любых величин при фиксированном значении . В соответствии с этим, при заданном распределении вероятностей , совместное распределение вероятностей величин определяется как , (2.1.3) что при и начальном распределении , определяет совместные распределения вероятностей всех величин . Свойство 3. Для переходных вероятностей однородного марковского процесса . (2.1.4) Доказательство. В соответствии с формулой (2.1.2) имеем . Тогда суммирование по всем дает . Определение. Однородный марковский процесс со счетным числом состояний и дискретным параметром , называется однородной цепью Маркова. Иначе, цепь Маркова – это цепочка переходов из одного состояния в другое. Свойство 4. Пусть вероятности перехода за один шаг, т.е. , и – вероятность находиться в состоянии через шагов. Тогда, используя формулу (2.1.3), получаем рекуррентные соотношения: , (2.1.5) которые при начальном распределении , определяют соотношения между переходными вероятностями : (2.1.6) ©2015 arhivinfo.ru Все права принадлежат авторам размещенных материалов.
|