Łancuchy Markowa z czasem ciagłym Procesy Stochastyczne
Transkrypt
Łancuchy Markowa z czasem ciagłym Procesy Stochastyczne
Łańcuchy Markowa z czasem ciągłym Procesy Stochastyczne, wykład 7, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 26 marzec, 2012 Łańcuchy Markowa z czasem ciągłym Łańcuchy z czasem ciągłym S = {0, 1, . . . , }, BS = 2S , ale T = [0, ∞) lub T = (0, ∞). Gdy S skończone, to otrzymujemy rodzinę macierzy stochastycznych P(t) spełniających warunek półgrupowości: P(t)P(s) = P(t + s), s, t > 0. Dla przypadku jednowymiarowego ciągłe rozwiązania - funkcje wykładnicze. Pokażemy, że tutaj jest podobnie. Dalej zakładamy, że P(0) = I oraz, że limt→0+ P(t) = I (ciągłość w 0). Ciągłą w zerze stochastyczną funkcję macierzową spełniającą warunek półgrupowości nazywamy markowską macierzą przejścia. Definicja Dla macierzy A (n × n) definiujemy exp(A) = ∞ X Ak k=0 k! , (A0 = I). Łańcuchy Markowa z czasem ciągłym Generator półgrupy markowskiej Tw. 3. Niech P(t), t ≥ 0, będzie markowską macierzą przejścia (n × n). Wtedy P(t) = exp(tG) , gdzie G = [gij ] (=generator) jest macierzą (n × n) spełniającą P gij ≥ 0, dla i 6= j, oraz j gij = 0, dla wszystkich i. Powyższy wzór ustala wzajemnie jednoznaczną odpowiedniość między markowskimi macierzami przejścia a macierzami G o w/wym. własnościach (generatorami). Ćwiczenie. Szereg definiujący exp(A) jest zbieżny w normie. Gdy AB = BA to exp(A + B) = exp(A) exp(B) Ponadto d exp(tA) = A exp(tA) = exp(tA)A. dt Łańcuchy Markowa z czasem ciągłym Generator półgrupy markowskiej cd. Dowód Półgrupa P(t) jest ciągła (normowo) dla wszystkich t > 0: P(t + h) = P(t)P(h) oraz P(t − h) = P(t)P(h)−1 ; gdzie P(h)−1 istnieje dla małych h > 0, bo P(h) → I. Załóżmy dodatkowo, że P(t) jest prawostronnie różniczkowalna w 0, tzn. że pij (t) − δij lim+ = gij t t→0 istniejePdla dow. i, j. Macierz G = [gij ] ma własność: gij ≥ 0, dla i 6= j, j gij = 0. Zachodzi dP(t) P(t + h) − P(t) P(h) − I = lim+ = lim+ P(t) = GP(t). dt h h h→0 h→0 Także P0 (t) = P(t)G. Analogicznie sprawdzamy lewostronną różniczkowalność w t > 0. Z teorii r.r. obydwa równania różn. posiadają jedyne rozwiązania przy war. początkowym P(0) = I. Łańcuchy Markowa z czasem ciągłym Generator półgrupy markowskiej cd. Jednocześnie wiadomo, że exp(tG) spełnia powyższe r.r. i war. początkowy P(0) = I, więc z jednoznaczności otrzymujemy: P(t) = exp(tG). Macierz G nazywamy generatorem półgrupy markowskiej P(t). Na odwrót, dla dowolnego generatora G, P(t) = exp(tG) jest markowską macierzą przejścia: P(t) jest macierzą stochastyczną: Niech 1 oznacza wektor kolumnowy złożony z samych jedynek. Ponieważ wyrazy każdego wiersza G sumują sie do 0 więc P(t)1 = ∞ n n X t G 1 n=0 n! = (tG)0 1 = 1, czyli wyrazy każdego wiersza P(t) sumują się do 1. Łańcuchy Markowa z czasem ciągłym Generator półgrupy markowskiej cd. Przypuśćmy, że gij > 0, dla wszystkich i 6= j. Zachodzi pij (t) = δij + tgij + O(t 2 ) więc pij (t) > 0, dla małych t > 0. Ponieważ P(t) = P(t/k)k więc P(t) > 0 dla wszystkich t > 0. W ogólnym przypadku def. [Gε ]ij = gij + ε, ε > 0. Z poprzednich rozważań Pε (t) = exp(tGε ) > 0. Ze zbieżności P(t) = limε→0+ Pε (t) otrzymujemy P(t) ≥ 0. Uzupełnienie: istnienie P0 (0). Dla dow. h > 0 i dow. n zachodzi następująca tożsamość: [P(h) − I][I + P(h) + . . . + P(nh − h)] = P(nh) − I Gdy h → 0 oraz nh → t to z ciągłości P(·) otrzymujemy Z t n−1 X h P(kh) → P(u) du 0 k=0 Gdy t > 0 jest małe, macierz Rt 0 P(u) du jest odwracalna. Łańcuchy Markowa z czasem ciągłym Istnienie P0 (0). Pokażemy, że gdy ||A − I|| < 1, to A - odwracalna. P(t) → I, gdy t → 0, więc istnieje t > 0, że dla 0 < u < t, ||P(u) − I|| < 1/2. Wtedy Z t Z t ||1/t P(u)du − I|| ≤ 1/t ||P(u) − I||du ≤ 1/2. 0 0 Dla małych h > 0 suma Riemanna przybliżająca całkę jest nieosobliwa. Ponadto P(nh) → P(t). Z naszej tożsamości otrzymujemy Z lim (1/h)[P(h) − I] = [P(t) − I] h→0+ −1 t P(u) du 0 więc P0 (0+) istnieje. Łańcuchy Markowa z czasem ciągłym Macierze odwracalne są zbiorem otwartym. Lemat. Zbiór macierzy odwracalnych jest otwarty w (L(V ), || · ||). 1. Gdy ||A − I|| < 1 to A jest odwracalna. Rzeczywiście, niech P∞ Y = 0 (I − A)n . Wtedy AY = YA = I : k k X X n A (I − A) = [I − (I − A)] (I − A)n = I − (I − A)k+1 → I. 0 0 Analogicznie sprawdzamy, że YA = I, więc Y = (A)−1 . 2. Gdy B odwracalna oraz C taka, że ||C|| < 1/2||B−1 ||−1 , to B + C = B(I + B−1 C) oraz ||B−1 C|| < 1/2 zatem I + B−1 C odwracalna, więc także B + C odwracalna. Łańcuchy Markowa z czasem ciągłym Kryterium nieprzywiedlności P(t) Markowską macierz przejścia P(t) nazywamy nieprzywiedlną gdy pij (t) > 0 dla dow. i, j oraz wszystkich t > 0. Kryterium P(t) = exp(tG) jest nieprzywiedlna ⇔ dla dowolnych i, j; i 6= j, istnieje skończony ciąg stanów i = i0 , i1 , . . . , in = j, taki, że gik ik+1 6= 0 dla 0 ≤ k ≤ n − 1 Dowód. Gdy istnieje skończony ciąg stanów i1 , . . . , in o własnościach jak wyżej mówimy, że istnieje droga z i do j, i 6= j. Załóżmy, że nie istnieje droga z i do j, i 6= j. Wtedy (n) gij = [Gn ]ij = 0 dla dowolnych i oraz j, i 6= j, n = 1, 2, . . . oraz pij (t) = ∞ n X t [Gn ]ij n=0 n! =0 dla wszystkich t > 0, więc P(·) nie jest nieprzywiedlna. Łańcuchy Markowa z czasem ciągłym Dostateczność kryterium nieprzywiedlności Na odwrót, gdy istnieją drogi od i do j, (i 6= j), niech n0 - długość najkrótszej. Gdyby dla pewnego k pojawił sie wyraz gkk 6= 0, to wykreślając go otrzymalibyśmy krótszą drogę. W takim razie gik ik+1 > 0, bo ik 6= ik+1 . Jeśli n0 = 1, to gij > 0 wiec pij (t) > 0 (n0 −1) dla małych t. Indukcja wzgl. n0 : Gdy n0 ≥ 2 to gij = gij i dla pewnego i1 , gii1 > 0 oraz (n −1) gi1 j 0 =0 (n0 ) gij = + X (n −1) =0 > 0. Wtedy zachodzi =0 z }| { z }| { (n −1) (n −1) (n −1) + gij gjj 0 +gii1 gi1 j 0 = gii gij 0 gik gkj 0 X (n −1) (n −1) gik gkj 0 ≥ gii1 gi1 j 0 >0 k6=i1 ,i,j Tak więc [Gn ]ij = 0 dla n < n0 oraz [Gn0 ]ij > 0. Stąd, dla małych t > 0 zachodzi pij (t) > 0. Tak jest dla wszystkich i, j więc dla małych t > 0 (zatem dla wszystkich t > 0) zachodzi P(t) > 0. Łańcuchy Markowa z czasem ciągłym Istnienie limt→∞ P(t) Tw. 4. Niech P(t), t ≥ 0 będzie nieprzywiedlną macierzą przejścia o skończonej ilości stanów. Wtedy limt→∞ P(t) = π istnieje, macierz graniczna π ma stałe kolumny. Jej (identyczne) wektory wierszowe π są jedynymi wektorami prob. spełniającymi π = πP(t) dla wszystkich t ≥ 0. Dowód. Dla dowolnego h > 0, P(h) > 0. Z twierdzenia dotyczącego przypadku dyskretnego, dla dowolnego h > 0 lim P(nh) = lim P(h)n = π n→∞ n→∞ istnieje, gdzie (identyczne) P wektory wierszowe π są jedynymi wektorami prob. (t.j. πi = 1) spełniającymi π = πP(h). Poprzednio jednak pokazaliśmy, że P(t) jest jednostajnie ciągła na [0, ∞). Istnienie limt→∞ P(t) otrzymujemy z następującego lematu: Łańcuchy Markowa z czasem ciągłym Istnienie limt→∞ P(t) Lemat. Niech f będzie jednostajnie ciągłą, ograniczoną funkcją rzeczywistą na [0, ∞) mającą własność lim f (nh) n→∞ istnieje dla dowolnego h > 0. Wtedy limt→∞ f (t) istnieje. [Niech ε > 0 oraz h > 0 takie, że oscylacja f na odcinku o długości h ≤ ε/2. Niech limn→∞ f (nh) = A. Wybieramy n0 takie, że |f (nh) − A| < ε/2, dla n ≥ n0 . Niech t > n0 h oraz niech n1 = [t/h]. Wtedy |f (t) − A| ≤ |f (t) − f (n1 h)| + |f (n1 h) − A| < ε.] Zauważmy, że π jest takie samo dla każdego h więc π = πP(t), dla każdego t. Rozwiązanie powyższego równania jest jedyne (nawet dla pojedynczego ustalonego t > 0), co kończy dowód. Łańcuchy Markowa z czasem ciągłym