- •1. Классическое и геометрическое определение вероятности, элементы комбинаторики
- •2. Аксематическое определение вероятности. Свойства вероятности.
- •3. Формула полной вероятности. Формула Байеса.
- •4. Схема независимых испытаний Бернулли. Предельная теорема Пуассона.
- •5. Классификация случайных величин.
- •2) Непрерывные случайные величины.
- •6. Математическое ожидание и его свойства.
- •7. Дисперсия и ее свойства.
- •Свойства дисперсии:
- •8. Характеристические функции и их свойства.
- •Свойства характеристической функции :
- •Способы описания св:
- •9.Теорема об обращении характеристической функции.
- •1 1. Виды сходимости случайных последовательностей.
- •13.Критерий сходимости в среднем квадратичном.
- •15. Усиленный закон больших чисел.
- •16. Центральная предельная теорема.
- •10.Производящие функции и их свойства.
- •17. Определение случайного процесса.
- •19. Статистические средние характеристики случайных процессов.
- •20. Сходимость в среднем квадратичном для случайных процессов.
- •21. Непрерывность случайных процессов.
- •22. Дифференцируемость случайных процессов.
- •23. Интегрирование случайных процессов.
- •24. Стохастические обыкновенные дифференциальные уравнения.
- •25. Процессы с независимыми приращениями.
- •26. Гауссовский случайный процесс.
- •27. Винеровский случайный процесс.
- •28. Марковские случайные процессы и цепи маркова определения.
- •29. Однородные цепи Маркова.
- •32. Уравнения Чепмена-Колмогорова.
- •33. Нахождение вероятностей переходов с помощью производящих функций.
- •34. Классификация состояний цепи Маркова по арифметическим свойствам вероятностей перехода
- •35. Свойство периода состояния.
- •36. Классификация состояний по асимптотическим свойствам переходных вероятностей
- •37. Критерий возвратности состояний.
- •38.Эргодические цепи Маркова
- •40. О средних временах переходов между состояниями
- •41. Стационарные цепи Маркова
- •42. Оптимальные стратегии в марковских цепях
- •43. Система диф.Ур-ий Колмогорова для однородной цепи Маркова с конеч.Числом состояний.
- •44. Процесс гибели и размножения
- •49. Обобщенное уравнение Маркова
- •50.Диффузионные процессы
- •51. Обратное уравнение Колмогорова
- •45. Марковские системы массового обслуживания.
- •Рассмотрим систему с простейшим потоком и экспоненциальным обслуживанием
- •46. Система обслуживания м / м / 1
- •47.Система м / м / n / 0
- •48. Система обслуживания м / м / n
- •52.Прямое уравнение Колмогорова для диффузных процессов
- •53. Стохастический интеграл Ито
- •54. Стохастический интеграл в форме Стратоновича
- •55. Стохастические дифференциальные уравнения
- •39. Закон больших чисел для цепей Маркова с конечным числом состояний.
- •57. Стационарность гауссовского случ.Процесса.
- •58. Теорема Бохнера., спектральная плотность случ.Процесса.
- •60. Мартингалы.
- •18. Пуассоновский случ.Процесс
- •Классическое и геометрическое определение вероятности, элементы комбинаторики
40. О средних временах переходов между состояниями
Обозначим через Ек мн-во состояний к -го эргодического класса, Q - множество несущественных состояний, -среднее время перехода из i-го несущественного состояния, , в -й эргодический класс. Найдем это время. Цепь Маркова за один шаг может перейти из i -го несущественного состояния в некоторое состояние с вер-тью ,
тогда время перехода равно 1. Если же цепь за первый шаг перейдет в другое состояние вероятностью , то среднее время перехода в эргодический класс будет равно , и окончательно имеем (10.20)
Решая эту систему ур-ний относительно , получим нужные нам средние времена. Если нас интересуют средние времена перехода в каждый эргодический класс, то систему уравнений (10.20) удобно записать в матричном виде. Обозначим , , .
Учитывая, что в этом случае =1, имеем , т.е. , где I - единичная матрица. Последнее соотношение и определяет вектор среднего времени перехода из несущественного состояния в эргодические классы.
Рассмотрим теперь среднее время перехода из состояния в состояние внутри класса. Пусть Е - множество состояний одного класса . Через обозначим среднее число шагов, необходимых для переходов из i -го состояния в j-е состояние. За один шаг цепь может из i -го состояния с вероятностью перейти в j-е состояние, тогда время перехода будет равно 1, и оно будет равно 1 + mkj, если за этот шаг цепь перейдет из i -го состояния в некоторое промежуточное k -е состояние. Тогда по формуле для условного мат. ожидания имеем или .(10.21)
Введем матричные обозначения , , ,
где r - число состояний данного класса. Тогда систему ур-ний (10.21) можно переписать в матричном виде М = S + РМ -PD, откуда получаем . Эта формула определяет искомые средние значения времени перехода из одного состояния в другое. Выясним теперь, что собой представляют диагональные элементы матрицы D. Для этого умножим систему уравнений (10.21) на финальную вероятность i-го состояния и просуммируем по i:
Тогда с учетом (10.17) имеем
откуда находим .
41. Стационарные цепи Маркова
Всякое неотрицательное решение , удовлетворяющее условию нормировки, принято называть стационарным, или инвариантным, распределением вероятностей Марковской цепи с матрицей переходных вероятностей .
Опр. Набор чисел называется стационарным распределением цепи Маркова с дискретным временем, если:
1) является распределением вероятностей, т.е. .
2) имеет место равенство .
В частности, если начальное распределение совпадает со стационарным, то на любом шаге цепь Маркова будет иметь стационарное распределение, поэтому такая цепь Маркова называется стационарной.
Т.1 (эргодическая теорема Маркова- Бернштейна). Если существуют такие и , что выполняется неравенство ,то цепь Маркова является эргодической; существует единственное стационарное распределение этой цепи, совпадающее с эргодическим.
Опр. Цепь Маркова с дискретным временем называется неприводимой, если такое, что .
Т.2 (эргодическая теорема Феллера). Неприводимая апериодическая цепь Маркова относится к одному из следующих двух классов:
а) все состояния цепи невозвратны (либо нулевые), в этом
случае , и не существует стационарного распределения цепи;
б) все состояния цепи положительны, в этом случае
при этом является стационарным распределением цепи и не существует других ее стационарных распределений.
Т.3 (эрг-кая т. Фостера). Для того чтобы неприводимая апериодическая цепь Маркова была эргодич-на, необходимо и достаточно, чтобы система уравнений имела нетривиальное решение , такое, что При этом существует единственное стационарное распределение, которое совпадает с эргодическим.
Теорема 10.10 (эрг-кая т. Маркова). Для того, чтобы неприводимая апериодическая цепь Маркова была эргодична, достаточно существования , натурального числа i0 и набора неотрицательных чисел х0,х1,х2,... таких, что для , для .
При этом существует единственное стационарное распределение, совпадающее с эргодическим.