
- •1. Імітаційне моделювання.
- •4. Інгредієнт економічного показника Ризик як міра мінливості результату
- •6. Канонічна форма матриці ланцюга Маркова.
- •2. Генерування випадкових величин.
- •7. Фундаментальна матриця Ланцюга Маркова.
- •3. Аналітичний ієрархічний процес. Рейтинг. Коефіцієнт погодженості
- •5. Семіваріація та семіквадратичне відхилення
- •8. Класифікація ланцюгів Маркова.
- •15. Непрямий метод найменших квадратів оцінювання точно ідентифікованих систем.
- •16. Системи одночасних рівнянь. Структурна та зведена форми системи рівнянь.
- •9. Неперервні ланцюги Маркова. Рівняння Колмогорова.
- •10. Процеси розмноження та вимирання.
- •13. Метод скользящего среднего. Простое скользящее среднее. Сао.
- •14. Взвешенное скользящее среднее. Экспоненциальное сглаживание.
- •11. Моделювання роботи автопідприємства за допомогою ланцюгів Маркова.
- •17. Необхідні й достатні умови ідентифікованості. Перша і друга умова ідентифікованості.
- •12. Приклад розрахунку роботи автопідприємства за допомогою ланцюгів Маркова
- •Імітаційне моделювання.
9. Неперервні ланцюги Маркова. Рівняння Колмогорова.
Марковский случайный процесс с дискретными состояниями и непрерывным временем называется непрерывной цепью Маркова. При условии, что переход системы из состояния в состояние происходит не в фиксированные, а в случайные моменты времени.
В экономике часто случаются ситуации, которые заранее указать невозможно. Например, любая деталь или агрегат автомобиля могут выйти из строя в непредсказуемый момент времени.
Пусть
система характеризуется n
состояниями: S0,
S1,
S2,
…, Sn,
а переход из состояния в состояние
может осуществляться в любой момент
времени t.
Обозначим через Pi(t)
вероятность того, что в момент времени
t
система будет находиться в состоянии
Si.
Требуется определить для любого момента
времени t
вероятности состояний P0(t),
P1(t),
…, Pn(t).
Очевидно, что сумма всех этих Pi
.
Для процесса с непрерывным временем вместо переходных вероятностей Pij(t) рассматриваются плотности вероятности перехода λij(t), которые представляют собой отношение вероятности перехода системы за время Δt из состояния Si в Sj состояние к длине промежутка Δt.
Где Pij(t, Δt) – вероятность того, что система, пребывавшая в момент времени t в состоянии Si, за промежуток времени Δt перейдёт в состояние Sj. Если λij=const, то процесс называется оборотным. Если λij=λij(t), то процесс называется неоднородным.
Вероятности состояний Pi(t) находят путём решения системы ДУ Колмогорова.
(1)
Величина λijPi называется потоком вероятности перехода системы из состояния Si в состояние Sj, причём интенсивность потока λij может быть или постоянной, или зависящей от времени. i=0, …, n. Уравнение (1) составляют, пользуясь следующим правилом: производная вероятности каждого состояния равна сумме всех потоков вероятностей, идущих из других состояний в данное состояние, минус сумма всех потоков, идущих из данного состояния.
Финальные вероятности состояний.
Если
процесс, протекающий в системе, длится
достаточно долго, то имеет смысл говорить
о предельном поведении вероятности
Pi(t),
когда t→∞;
.
Финальные вероятности состояний (если они существуют) могут быть получены путём решения системы линейных алгебраических уравнений, которые получаются из ДУ Колмогорова, если в них приравняем производные 0.
Пример. Имеется граф Маркова. Необходимо составить систему ДУ Колмогорова и записать начальные условия для решения этой системы, если известно, что в начальный момент система находилась в состоянии s1.
Таким образом, согласно приведенному правилу, система ДУ Колмогорова принимает вид:
P1(0)=1, P2(0)= P3(0)=…= P5(0)=0.
Финальные вероятности не зависят от времени, поэтому в системе ДУ Колмогорова все левые части принимают равными нулю и система ДУ превратится в систему алгебраических уравнений.
Решая её вместе с условием P1+P2+P3+P4+P5=1 и получаем предельные вероятности.