Procesy stochastyczne
Transkrypt
Procesy stochastyczne
Definicja łańcucha Markowa Istnienie łańcuchów Markowa Własności łańcuchów Markowa Procesy stochastyczne Wykład II: Jednorodne łańcuchy Markowa 9 marca 2015 Procesy stochastyczne Wykład II: Jednorodne łańcuchy Markowa Definicja łańcucha Markowa Istnienie łańcuchów Markowa Własności łańcuchów Markowa Pojęcia podstawowe Definicja Definicja jednorodnego łańcucha Markowa E - przeliczalny zbiór, którego elementy interpretujemy jako „stany”. P = {pij }i,j∈E - macierz stochastyczna, którą nazywamy macierzą prawdopodobieństw przejścia. Fakt, że P jest macierzą stochastyczną oznacza, że pij 0, i, j ∈ E oraz X pij = 1, i ∈ E. j∈E (Tzn. każdy wiersz macierzy P jest rozkładem prawdopodobieństwa na E). π̄ = {πj }j∈E - rozkład prawdopodobieństwa na E, nazywany rozkładem początkowym. Procesy stochastyczne Wykład II: Jednorodne łańcuchy Markowa Definicja łańcucha Markowa Istnienie łańcuchów Markowa Własności łańcuchów Markowa Pojęcia podstawowe Definicja Definicja jednorodnego łańcucha Markowa Definicja Jednorodnym łańcuchem Markowa na przestrzeni stanów E, z macierzą prawdopodobieństw przejścia P = {pij } i rozkładem początkowym π̄ = {πi } nazywamy proces stochastyczny X0 , X1 , X2 , . . . o wartościach w E i rozkładach skończenie wymiarowych danych wzorem Pπ̄ X0 = i0 , X1 = i1 , X2 = i2 , . . . , Xm−1 = im−1 , Xm = im = = πi0 · pi0 ,i1 · pi1 ,i2 · . . . · pim−1 ,im . Umowa: Jeśli rozkład π̄ jest skupiony w pewnym punkcie i ∈ E (tzn. πi = 1, πj = 0 dla j 6= i), to piszemy Pi zamiast Pπ̄ . Procesy stochastyczne Wykład II: Jednorodne łańcuchy Markowa Definicja łańcucha Markowa Istnienie łańcuchów Markowa Własności łańcuchów Markowa Twierdzenie o istnieniu Szkic dowodu Istnienie łańcuchów Markowa Twierdzenie Jeżeli P jest macierzą stochastyczną na E, a π̄ jest rozkładem prawdopodobieństwa na E, to istnieje jednorodny łańcuch Markowa X0 , X1 , X2 , . . . o rozkładzie początkowym π̄ i macierzy prawdopodobieństw przejścia P. Procesy stochastyczne Wykład II: Jednorodne łańcuchy Markowa Definicja łańcucha Markowa Istnienie łańcuchów Markowa Własności łańcuchów Markowa Twierdzenie o istnieniu Szkic dowodu Szkic dowodu Utożsamiamy elementy przestrzeni E z podzbiorem N. Wtedy rozkłady skończenie wymiarowe µ0,1,2,...,m zadane są na Nm = {(i0 , i1 , i2 , . . . , im−1 , im ) ; i0 , i1 , . . . im ∈ N} wzorami µ0,1,2,...,m (i0 , i1 , i2 , . . . , im−1 , im ) = πi0 ·pi0 ,i1 ·pi1 ,i2 ·. . .·pim−1 ,im . Sprawdzamy zgodność rozkładów skończenie wymiarowych. Procesy stochastyczne Wykład II: Jednorodne łańcuchy Markowa Definicja łańcucha Markowa Istnienie łańcuchów Markowa Własności łańcuchów Markowa Bezpośrednie wnioski z definicji Własność Markowa Formalna postać własności Markowa Bezpośrednie wnioski z definicji Rozkłady jednowymiarowe Pπ̄ X0 = i = πi , i ∈ E, czyli Pπ̄X0 = π̄. Pπ̄ X1 = i = π̄P i , i ∈ E. Ogólnie: Pπ̄ Xm = i = π̄Pm i , i ∈ E. Procesy stochastyczne Wykład II: Jednorodne łańcuchy Markowa Definicja łańcucha Markowa Istnienie łańcuchów Markowa Własności łańcuchów Markowa Bezpośrednie wnioski z definicji Własność Markowa Formalna postać własności Markowa Bezpośrednie wnioski z definicji Oznaczmy przez pij (m), i, j ∈ E elementy macierzy Pm . Z definicji mnożenia macierzy mamy ważny wzór pij (m + n) = X pik (m) · pkj (n). k∈E Macierz przejścia w m krokach Ma miejsce równość Pπ̄ Xm = j, X0 = i = P π̄ X0 = i · pij (m) i, j ∈ E, m ∈ N, więc dopuszczalna jest interpretacja pij (m) = Pπ̄ Xm = j X0 = i . Procesy stochastyczne Wykład II: Jednorodne łańcuchy Markowa Definicja łańcucha Markowa Istnienie łańcuchów Markowa Własności łańcuchów Markowa Bezpośrednie wnioski z definicji Własność Markowa Formalna postać własności Markowa Własność Markowa Pπ̄ Xm = j X0 = i = pij (m) nie zależy od π̄! Dlatego piszemy pij (m) = P Xm = j X0 = i . pij = P X1 = j X0 = i = P Xn+1 = j Xn = i , n ∈ N. pij (m) = P Xm = j X0 = i = P Xn+m = j Xn = i , n ∈ N. P Xn+1 = in+1 Xn = in , Xn−1 = in−1 , . . . , X0 = i0 = pin ,in+1 = P Xn+1 = in+1 Xn = in . Xn = in , X0 = i0 = pi ,i P Xn+1 = in+1 n n+1 = P Xn+1 = in+1 Xn = in . Własność Markowa Proces zapomina o „przeszłości” lub „przyszłość” zależy tylko od „teraźniejszości”. Procesy stochastyczne Wykład II: Jednorodne łańcuchy Markowa Definicja łańcucha Markowa Istnienie łańcuchów Markowa Własności łańcuchów Markowa Bezpośrednie wnioski z definicji Własność Markowa Formalna postać własności Markowa Jak formalnie wyrazić własność Markowa? Definiujemy P B X0 , X1 , . . . , Xn jako X P B X0 = io , X1 = i1 , . . . , Xn = in 1I {X0 =i0 ,X1 =i1 ,...,Xn =in } . (i0 ,i1 ,...,in )∈En+1 Podobnie definiujemy P B Xn = X P B Xn = i 1I {Xn =i} . i∈En+1 Twierdzenie Dla dowolnych n, m ∈ N oraz dowolnego zbioru A ⊂ Em ma miejsce równość: P (Xn+1 , Xn+2 , . . . , Xn+m ) ∈ AX0 , X1 , . . . , Xn = = P (Xn+1 , Xn+2 , . . . , Xn+m ) ∈ AXn . Procesy stochastyczne Wykład II: Jednorodne łańcuchy Markowa