Добавил:
Upload
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Lantsyugi_markova_novy.doc
X
- •Тема 2. Марковські випадкові процеси із дискретними станами і часом. Ланцюги Маркова
- •2.1. Значення марковського випадкового процесу
- •2.2. Марковські випадкові процеси з дискретними станами і дискретним часом. Ланцюги Маркова
- •2.3. Класифікація станів у загальному вигляді
- •1. Ергодичний стан
- •2. Нестійкі стани
- •3. Поглинальні стани
- •2.4. Матриці однокрокових імовірностей переходу. Однорідні ланцюги Маркова
- •2.5. Імовірнісні графи
- •2.6. Імовірності багатокрокових переходів системи. Вектор початкового стану системи
- •2.7. Класифікація однорідних ланцюгів Маркова
- •2.8. Поглинальні ланцюги Маркова та їх основні числові характеристики
- •1. Канонічна форма матриці π
- •2. Фундаментальна матриця
- •3. Дисперсія
- •4. Середня кількість кроків, що їх здійснить система, перш ніж набуде поглинального стану, та її дисперсія
- •5. Імовірності переходу системи до поглинального стану
- •2.9. Регулярні ланцюги Маркова та їх числові характеристики
- •Розв’язання. 1) Запишемо матрицю
- •Отже, якщо сьогодні, наприклад, погода тиха й сонячна, то середня кількість днів до найближчого вітряного дня становитиме 3,6, а до похмурої дощової погоди — 6 (5,905).
- •Тема 3. Застосування однорідних ланцюгів Маркова
Тема 3. Застосування однорідних ланцюгів Маркова
Будь-яка ймовірнісна модель більш адекватно, ніж детермінована, описує модельований реальний процес, але не дає змоги однозначно передбачити зміну окремих його параметрів. На підставі такої моделі можна, проте, доволі точно спрогнозувати очікувані значення тих чи інших параметрів випадкового процесу. Втім, у навколишньому світі всі процеси є, по суті, ймовірнісними, а описувати їх детермінованими моделями неможливо, хоча математичний апарат, застосовуваний для дослідження детермінованих моделей, придатний, здебільшого, і для дослідження ймовірнісних моделей.
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]