- •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
42. Оптимальные стратегии в марковских цепях
Рассмотрим цепь Маркова с конечным множеством состояний и матрицей вероятностей переходов . Пусть при переходе из состояния . в состояние ik мы получаем некоторое вознаграждение rjk . Например, пусть , - различные места в городе; переход из в ik означает перевозку пассажиров такси по данному маршруту; тогда - это прибыль, входящая в плату за проезд из ( ) в (ik). Найдем общее вознаграждение, которое следует ожидать после переходов цепи Маркова за п шагов.
Предположим, что цепь Маркова находится в состоянии и пусть - суммарное среднее вознаграждение за п шагов, если вначале цепь находилась в состоянии . Тогда средний выигрыш после первого шага. Если после первого шага цепь Маркова находится в состоянии , то средний выигрыш на оставшихся п-1 шагах составит . Поэтому полный средний выигрыш за п шагов равен .
Введем матричные обозначения , .
Тогда в матричной форме последнее соотношение может быть переписано как
V(n) = Q + PV(n-1).
В стационарном режиме среднее вознаграждение за один шаг может быть найдено в виде , (10.22) где , финальные вероятности состояний.
43. Система диф.Ур-ий Колмогорова для однородной цепи Маркова с конеч.Числом состояний.
Опред. Пусть (1) . наз. интенсивностью перехода цепи Маркова из состояния в сост. , наз. интенсивностью выхода из состояния , .
Опред. Если , то состояние наз.мгновенным (поглощающим); если , состояние наз. немгновенным.
Опред. Немгновенное состояние наз. регулярным, если и нерегулярным, если . Если все состояние цепи Маркова регулярны, тона наз. регулярной.
Из (1) следует, (2)
Теорема. Для однородной цепи Маркова с конеч.числом состояний переход. вероят-и удовл.системам диф. ур-ий:
(3)
(4)
с начальными условиями (5)
Система (3) наз. системой прямых диф.ур-ий, а (4) – системой обратных диф.ур-ий Колмогорова.
Док-во
Устремив , будем иметь систему (3). Аналогично выводится (4).□
Система прямых диф.ур-ий имеет место и для безусловных вероят-ей сост. : (6)
при любом нач. распределении .
Предположим, что стационарное распределение цепи Маркова , где .При производные , и тогда из системы (6) имеем: . Полученные ур-ия наз. ур-иями равновесия.
Опред. Состояние стохастически непрерывной однородной цепи Маркова с непрерыв. временем наз. достижимым из состояния , если либо , либо , либо .
Опред. Цепь Маркова с непрер.временем наз. эргодической, если .
Для цепи с конеч.числом состояний Х={1,2,….,N} финальные вероятности состояний , всегда .
Ур-ия для вычисления финал.вероят-ей можно получить, переходя к пределу при t→∞ в системе ур-ий (7). Тогда с учетом того, что , имеем
(7)
эта система однозначно определяет финальные вероятности состояний.
44. Процесс гибели и размножения
Будем предполагать, что все состояния процесса регулярны. Для сокращения записей обозначим λnn+1=λn, λnn-1=μn. Тогда получаем:
pnn+1(∆t)= λn ∆t+o(∆t),
pnn-1(∆t)= μn ∆t+o(∆t),
pnn(∆t)= 1-(λn + μn )∆t+o(∆t).
Можно сказать, что λn∆t с точностью до o(∆t) есть вероятность рождения новой особи в популяции из n особей за время ∆t, а μn∆t с точностью до o(∆t) - вероятность гибели особи в этой популяции за время ∆t.
Системы прямых и обратных диф. ур-ий Колмогорова для вероятностей переходов процесса имеют вид:
(1)
где μ0= λ-1=0, а система ур-ий для безусловных вероятностей состояний:
(2)
Ее можно записать в матричной форме , при этом инфинитезимальная матрица процесса равна
Оказывается, если выполняется условие (3), то процесс гибели и размножения эргодичен, сущ вероятности
, совокупность кот.образует единств. стацион. распределение, совпадающее с эргодическим, т.е. стационарные вероятности состояний равны финальным вероятностям состояний. Для выполнения нер-ва (3) достат., чтобы N, для кот при всех . Найдем стацион. вероятности состояний. Система ур-ий равновесия для них, как сл. из (2), имеет вид
(4)
Обознач. .Тогда из (4) получаем
откуда следует, что , для всех j = 0,1,2,…. Следовательно (4)
Вероятность найдем, используя усл. нормировки
Подставляя (4) в это усл., находим
Если то и стационар.(финал.) распределения не существует. Это означает, что эволюция процесса протекает в одну сторону, при этом номер состояния не возрастает.