
- •Імовірнісне моделювання
- •4.1. Метод статистичних випробувань
- •4.2. Генератори випадкових чисел
- •4.2.1. Типи генераторів
- •4.2.2. Лінійні конгруентні генератори
- •4.3. Перевірка послідовностей випадкових чисел
- •4.4. Моделювання випадкових подій та дискретних величин
- •4.4.1. Незалежні випадкові події
- •4.4.2. Група несумісних подій
- •4.4.3. Умовна подія
- •4.4.4. Випадкова дискретна величина
- •4.4.5. Геометричний розподіл
- •4.4.6. Біноміальний розподіл
- •4.4.7. Розподіл Пуассона
- •4.5. Моделювання неперервних випадкових величин
- •4.5.1. Метод оберненої функції
- •4.5.2. Рівномірний розподіл
- •4.5.3. Експоненціальний розподіл
- •4.5.4. Пуассонівський потік
- •4.5.5. Нормальний розподіл
- •4.5.6. Логарифмічно-нормальний розподіл
- •4.5.7. Розподіл і потоки Ерланга
- •4.5.8. Гамма-розподіл
- •4.5.9. Бета-розподіл
- •4.5.10. Розподіл Вейбулла
- •4.5.11. Гіпер- і гіпоекспоненціальні розподіли
- •4.6. Моделювання випадкових векторів
- •4.7. Моделювання випадкових процесів
- •4.8. Статистична обробка результатів моделювання
- •4.8.1. Оцінювання ймовірності
- •4.8.2. Оцінювання розподілу випадкової величини
- •4.8.3. Оцінювання математичного сподівання
- •4.8.4. Оцінювання дисперсії
- •4.8.5. Оцінювання кореляційного моменту
- •4.9. Визначення кількості реалізацій під час моделювання випадкових величин
- •4.9.1. Оцінювання ймовірності
- •4.9.2. Оцінювання середнього значення
- •Висновки
- •Контрольні запитання та завдання
- •Рождение метода Монте-Карло в Лос-Аламосе
- •Дальнейшее развитие и современность
- •Интегрирование методом Монте-Карло
- •Обычный алгоритм Монте-Карло интегрирования
- •Геометрический алгоритм Монте-Карло интегрирования
- •Квантовый метод Монте-Карло
- •Детерминированные гпсч
- •Гпсч с источником энтропии или гсч
- •Пример простейшего гсч с источником энтропии
- •Примеры гсч и источников энтропии
- •Гпсч в криптографии
- •Примеры криптостойких гпсч Циклическое шифрование
- •Аппаратные гпсч
- •Теоретическая основа Принципы построения
- •Графические тесты
- •Статистические тесты
- •Тесты diehard
- •Тесты д. Кнута
- •Тесты nist
- •Практические приложения
- •Конкурс aes
- •Свойства примитивных многочленов
- •Свойства
- •Линейная сложность
- •Корреляционная независимость
- •Алгоритмы генерации примитивных многочленов Готовые таблицы
- •КонфигурацияГалуа
- •Примеры генераторов Генераторы «стоп-пошёл»
- •Каскад Голлманна
- •Пороговый генератор
- •Другие виды Самопрореживающие
- •Многоскоростной генератор с внутренним произведением
- •[Править]Преимущества
- •[Править]Недостатки
- •Моменты
- •Свойства гамма-распределения
- •Связь с другими распределениями
- •Моделирование гамма-величин
- •Определение
- •Форма графика
- •Моменты
- •Связь с другими распределениями
- •Распределение Вейбулла
- •Свойства гиперэкспоненциального распределения
- •Моделирование марковских случайных процессов
- •Марковский процесс с дискретным временем
- •Марковские случайные процессы с непрерывным временем
- •Цепь Маркова
- •Цепь Маркова с дискретным временем Определение
- •Переходная матрица и однородные цепи
- •Граф переходов, связность и эргодические цепи Маркова
- •Примеры
- •Основное кинетическое уравнение
- •Функции Ляпунова для основного кинетического уравнения
- •Примеры функций Моримото
Граф переходов, связность и эргодические цепи Маркова
Для цепи Маркова с непрерывным временем строится ориентированный граф переходов (кратко — граф переходов) по следующим правилам:
Множество вершин графа совпадает со множеством состояний цепи.
Вершины
соединяются ориентированным ребром
, если
(то есть интенсивность потока из
-го состояния в
-е положительна.
Топологические свойства графа переходов связаны со спектральными свойствами матрицы . В частности, для конечных цепей Маркова верны следующие теоремы:
Следующие три свойства А, Б, В конечной цепи Маркова эквивалентны (обладающие ими цепи иногда называют слабо эргодическими):
А.
Для любых двух различных вершин графа
переходов
найдется
такая вершина
графа
(«общий сток»), что существуют
ориентированные пути от вершины
к
вершине
и
от вершины
к
вершине
.
Замечание: возможен случай
или
;
в этом случае тривиальный (пустой) путь
от
к
или
от
к
также
считается ориентированным путем.
Б. Нулевое собственное число матрицы невырождено.
В.
При
матрица
стремится
к матрице, у которой все строки совпадают
(и совпадают, очевидно, с равновесным
распределением).
Следующие пять свойств А, Б, В, Г, Д конечной цепи Маркова эквивалентны (обладающие ими цепи называют эргодическими):
А. Граф переходов цепи ориентированно связен.
Б. Нулевое собственное число матрицы невырождено и ему соответствует строго положительный левый собственный вектор (равновесное распределение).
В.
Для некоторого
матрица
строго
положительна (то есть
для
всех
).
Г. Для всех матрица строго положительна.
Д. При матрица стремится к строго положительной матрице, у которой все строки совпадают (и совпадают, очевидно, с равновесным распределением).
Примеры
Рис.
Примеры графов переходов для цепей
Маркова: a) цепь не является слабо
эргодической (не существует общего
стока для состояний
);
b) слабо эргодическая, но не эргодическая
цепь (граф переходов не является
ориентированно связным) c) эргодическая
цепь (граф переходов ориентированно
связен).
Рассмотрим цепи
Маркова с тремя состояниями и с непрерывным
временем, соответствующие графам
переходов, представленным на рис. В
случае (a) отличны от нуля только следующие
недиагональные элементы матрицы
интенсивностей —
,
в случае (b) отличны от нуля только
,
а в случае (c) —
.
Остальные элементы определяются
свойствами матрицы
(сумма
элементов в каждой строке равна 0). В
результате для графов (a), (b), (c) матрицы
интенсивностей имеют вид:
Основное кинетическое уравнение
Основная статья: Основное кинетическое уравнение
Основное
кинетическое уравнение описывает
эволюцию распределения вероятностей
в цепи Маркова с непрерывным временем.
«Основное уравнение» здесь — не
эпитет, а перевод термина англ. Master
equation.
Для вектора-строки распределения
вероятностей
основное
кинетическое уравнение имеет вид:
и совпадает, по существу, с прямым уравнением Колмогорова. В физической литературе чаще используют векторы-столбцы вероятностей и записывают основное кинетическое уравнение в виде, который явно использует закон сохранения полной вероятности:
где
Если для основного
кинетического уравнения существует
положительное равновесие
,
то его можно записать в форме