
- •Часть III Специальные разделы теории вероятностей и математической статистики Введение
- •§1. Случайные процессы (основные понятия)
- •§ 2. Цепи Маркова
- •§ 3. Двумерная случайная величина, ее распределение. Распределение каждой из компонент.
- •§ 4. Условные законы распределения вероятностей, составляющих дискретной, двумерной, случайной величин. Условное математическое ожидание. Условная дисперсия
- •§ 5. Корреляционная зависимость. Генеральный корреляционный коэффициент детерминации
- •§ 6. Линейная функция регрессии
- •§ 7. Однофакторный дисперсионный анализ
- •§ 8. Регрессионный анализ
- •8.1. Построение выборочного уравнения линейной регрессии по негруппированным данным. Выборочный коэффициент корреляции
- •8.2. Корреляционная таблица. Выборочное линейное уравнение регрессии по сгруппированным данным
- •Вопросы и задачи к части 3.
- •Список литературы Основная литература
- •Таблицы
§ 2. Цепи Маркова
Рассматривается
случайный процесс с дискретным временем
и дискретными значениями. Такой случайный
процесс можно рассматривать как
последовательность случайных величин
значениями случайных величин являются
исходы
Для удобства записи считаются исходами
,
то есть номера исходов.
Последовательность
образует цепь Маркова, если
=
Это свойство можно было бы охарактеризовать так: при фиксированном настоящем будущее не зависит от прошлого.
Марковская
цепь
называется
однородной,
если вероятности
не зависят отn.
Другими словами, марковские цепи
называются однородными по времени, если
вероятности перехода за единицу времени
не зависят от того, где на оси времени
происходит переход. Вероятности перехода
образуют матрицу
со свойствами:
Матрицы с указанными
свойствами называются стохастическими.
Матрица Р полностью описывает изменения
системы за один шаг. Рассмотрим изменение
системы за
шагов. Вероятность перехода из состояния
в состояние
за
шагов обозначим
При
по формуле полной вероятности
Введем матрицу,
образующую вероятностями
Из записанного
выше равенства следует, что
Тогда
Распределение
цепи будет полностью определено, если
задано некоторое начальное распределение
величины
и задана матрица перехода P.
Пример 1. Два равносильных игрока. Первоначально у каждого игрока по 2 рубля. Если игрок проигрывает, он отдает 1 рубль. Игра прекращается, если один из игроков банкрот.
Множество состояние
,
- первый игрок имеет
рублей.
Начальное
распределение:
Матрица перехода
Если игрок не
имеет денег, игра прекращается. Игрок
остается в состоянии
с вероятностью 1.
Если игрок имеет
1 рубль, он его может проиграть с
вероятностью
и перейти в состояние
,
или он выиграет 1 рубль с вероятностью
и перейдет в состояние
.
Аналогично происходит, если игрок
находится в состояние
или
.
Если игрок имеет 4 рубля, то игра прекращается из-за банкротства второго игрока.
Проведем классификацию состояний.
1. Состояние
называетсянесущественным,
если существует такое состояние
и целое число
что
для любого
.
Из несущественного
состояния
за несколько шагов
можно попасть в состояние
,
но уже из состояния
никогда не вернуться в состояние
.
2. Существенные
состояния
и
называютсясообщающимися,
если существуют
,
что
и
.
Из существенного
состояния
за несколько шагов
можно попасть в существенное состояние
и из него за
шагов можно попасть обратно в состояние
.
Пример
2. Система
находится в одном из состояний
Дана матрица перехода
Состояния обозначим точками, переходы из состояния в состояние стрелками, рядом со стрелками укажем вероятности переходов.
Из состояния
за
два шага можно перейти в состояние
,
но из
вернуться
в состояние
нельзя. Поэтому состояние
является несущественным.
Существенными
являются сообщающиеся состояния
и
Существенные несообщающиеся состояния называются поглощающими.
В примере 1 состояния
и
являются полагающими, а состояния
являются несущественными.
В однородной цепи
Маркова выделим классы состояний. Пусть
все несущественные состояния. Обозначим
класс состояний, включая существенное
состояние
и все состояния с ним сообщающиеся. Если
,
то
существенно, сообщающееся с
и
.
Тогда
.
Таким образом, все множество существенных
состояний разрабатывается на
непересекающиеся классы сообщающихся
состояний.
Цепь Маркова, состоящая из одного класса существенных сообщающихся состояний, называется неразложимой. Если цепь содержит более одного класса, то она называется разложимой.
Далее рассмотрим
неразложимую цепь Маркова. Пусть мы
вышли из состояния
и вернулись в него впервые только через
шагов. Введем вероятность этого события
Пусть
Продолжим классификацию состояний.
3. Состояние
называетсявозвратным,
если
и невозвратным, если
4. Состояние
называетсянулевым,
если
иненулевым
в противном случае.
5. Состояние
называетсяпериодическим
с периодом
,
если с положительной вероятностью
возможно возвращение в состояние
,
но только за число шагов, кратное
Приведем теорему солидарности:
В неразложимой
цепи Маркова все состояния принадлежат
одному типу: если хотя бы одно возвратно,
то и все возвратны; если хотя бы одно
нулевое, то и все нулевые; если хотя бы
одно периодично с периодом
,
то и все периодичны с периодом
.