Возвратные и невозвратные состояния
Рассмотрим цепь Маркова с переходными вероятностями . Пусть в начальный момент система находится в некотором состоянии . Обозначим вероятность того, что система впервые вернется в исходное состояние ровно через шагов. Тогда значение (2.1.7) есть вероятность того, что система на каком-либо шаге попадает в исходное состояние , иначе есть вероятность возвращения в . Определение.Состояние называется возвратным, если вероятность возвращения в него равна 1, и невозвратным, если эта вероятность меньше 1. Теорема 1. Состояние является возвратным тогда и только тогда, когда . (2.1.8) Доказательство. Имеем: (2.1.9) в котором положено и дополнительно введены и . Равенство (2.1.9) является следствием общей формулы полной вероятности. Действительно, если ввести события – “система через шагов впервые возвращается в исходное состояние ”, , и событие – “система ни разу не побывает в состоянии в течение первых шагов”, то будет полной группой событий и вероятность события – “система через n шагов будет находиться в исходном состоянии ” по формуле полной вероятности есть , где . Введем аналитические при производящие функции . (2.1.10) Тогда соотношение (2.1.9) можно записать в виде , откуда . (2.1.11) Поскольку возвратность состояния означает, что , то, как видно из равенства (2.1.11), это предельное соотношение равносильно тому, что . Но, с другой стороны, . Следовательно, возвратность состояния равносильна тому, что ряд расходится. Учитывая, что , получаем утверждение теоремы. Теорема 2. Если исходное состояние является возвратным, то система с вероятностью 1 за бесконечное число шагов бесконечно много раз возвратится в . Если исходное состояние является невозвратным, то за бесконечное число шагов система с вероятностью 1 лишь конечное число раз побывает в состоянии . Определение. Состояние достижимо из , если за некоторое число шагов система с ненулевой вероятностью переходит из в , т.е. при некотором . Определение.Если состояние достижимо из и достижимо из , то состояния и называются сообщающимися. Определение.Все состояния , достижимые из некоторого возвратного состояния , образуют так называемый замкнутый класс состояний . 2.1.3.Эргодическая теорема о сходимости к стационарному распределению Понятие эргодичности введено в начале 20 века в статистической физике, существенно использующей замену осреднения по статистическому ансамблю физических систем осреднением по времени вдоль траектории одной такой системы. Определение. Распределение вероятностей , называется стационарным для однородной марковской цепи , если при начальном распределении , в последующие моменты времени распределение вероятностей , постоянно: (2.1.12) Из результата (2.1.4) следует, что распределение является стационарным тогда и только тогда, когда оно удовлетворяет системе уравнений (2.1.13) Положим, что существует хотя бы одно состояние , в которое возможен переход из любого состояния за время с соответствующими вероятностями . (2.1.14) Тогда можно доказать теорему о сходимости к стационарному распределению Теорема. 1. Существует единственное стационарное распределение , причем (2.1.15) 2. Для любого начального распределения , предельные вероятности , одни и те же, причем оценка скорости сходимости в (2.1.15): . (2.1.16) Определение. Цепь Маркова, с не более чем счетным множеством состояний и вероятностями перехода за шагов , для которой существуют пределы , не зависящие от и образующие стационарное распределение , называется эргодической цепью Маркова. Случайные процессы Определение. Случайный(стохастический) процесс , , – это процесс, т.е. изменение во времени состояния некоторой системы, течение которого зависит от случая и для которого определена вероятность того или иного его течения. Белый шум Положим, что имеется семейство случайных величин , зависящих от соответствующих конечных интервалов на конечном или бесконечном отрезке действительной прямой так, что для любых смежных интервалов выполняется равенство , (2.2.1) выражающее собой свойство аддитивности. Предположим, что случайные величины и , из любых непересекающихся интервалов и не коррелированны: , (2.2.2) и , , . (2.2.3) Такое семейство будем называть “белым шумом” и обозначать как . Замечание. Процесс белого шума используется в приложениях для описания случайных возмущений с очень малым временем корреляции. Пример: “тепловой шум” – т.е. пульсации тока в проводнике, обусловленные тепловым движением электронов. Определение. Белый шум , представляющий с , т.е. при , (2.2.4) называется стандартным белым шумом. ©2015 arhivinfo.ru Все права принадлежат авторам размещенных материалов.
|