26 marzec, Łańcuchy Markowa z czasem ciągłym. Procesy Stochastyczne, wykład 7, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136

Podobne dokumenty
19 marzec, Łańcuchy Markowa z czasem dyskretnym. Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136

WYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki

Procesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski,

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;

Korzystając z własności metryki łatwo wykazać, że dla dowolnych x, y, z X zachodzi

Ciągłość funkcji f : R R

13 Układy równań liniowych

1 Zbiory i działania na zbiorach.

Wykład 14. Elementy algebry macierzy

21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

Zaawansowane metody numeryczne

Procesy stochastyczne

Funkcja wykładnicza kilka dopowiedzeń

28 maja, Problem Dirichleta, proces Wienera. Procesy Stochastyczne, wykład 14, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

Lokalna odwracalność odwzorowań, odwzorowania uwikłane

Wykład 10. Stwierdzenie 1. X spełnia warunek Borela wtedy i tylko wtedy, gdy każda scentrowana rodzina zbiorów domkniętych ma niepusty przekrój.

Notatki z Analizy Matematycznej 2. Jacek M. Jędrzejewski

Rozdział 6. Ciągłość. 6.1 Granica funkcji

A i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami.

Baza w jądrze i baza obrazu ( )

Prawa wielkich liczb, centralne twierdzenia graniczne

Zdzisław Dzedzej. Politechnika Gdańska. Gdańsk, 2013

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...

Procesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.

Analiza funkcjonalna 1.

1 Określenie pierścienia

Aproksymacja diofantyczna

Agata Boratyńska ZADANIA Z MATEMATYKI, I ROK SGH GRANICA CIĄGU

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn a 1j a 2j R i = , C j =

jest ciągiem elementów z przestrzeni B(R, R)

F t+ := s>t. F s = F t.

macierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same

2. Definicja pochodnej w R n

Matematyka II. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 2018/2019 wykład 13 (27 maja)

13 Równanie struny drgającej. Równanie przewodnictwa ciepła.

Algebra WYKŁAD 3 ALGEBRA 1

8 Całka stochastyczna względem semimartyngałów

7 Twierdzenie Fubiniego

Dystrybucje, wiadomości wstępne (I)

Wykłady... b i a i. i=1. m(d k ) inf

D. Miszczyńska, M.Miszczyński KBO UŁ 1 GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO

zbiorów domkniętych i tak otrzymane zbiory domknięte ustawiamy w ciąg. Oznaczamy

Zadania z analizy matematycznej - sem. I Granice funkcji, asymptoty i ciągłość

ALGEBRA Z GEOMETRIĄ BAZY PRZESTRZENI WEKTOROWYCH

5. Rozwiązywanie układów równań liniowych

Analiza matematyczna. 1. Ciągi

Zagadnienia brzegowe dla równań eliptycznych

1 Relacje i odwzorowania

Temperatura w atmosferze (czy innym ośrodku) jako funkcja dł. i szer. geogr. oraz wysokości.

Wykład 2: Szeregi Fouriera

Definicja odwzorowania ciągłego i niektóre przykłady

DB Algebra liniowa semestr zimowy 2018

Algebra liniowa z geometrią

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

Zaawansowane metody numeryczne

INTERPOLACJA I APROKSYMACJA FUNKCJI

O MACIERZACH I UKŁADACH RÓWNAŃ

E-learning - matematyka - poziom rozszerzony. Funkcja wykładnicza. Materiały merytoryczne do kursu

3. Macierze i Układy Równań Liniowych

Spacery losowe generowanie realizacji procesu losowego

Wykład 7 Macierze i wyznaczniki

Granice funkcji. XX LO (wrzesień 2016) Matematyka elementarna Temat #8 1 / 21

Ćwiczenia: Ukryte procesy Markowa lista 1 kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II

Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera

Konstrukcja liczb rzeczywistych przy pomocy ciągów Cauchy ego liczb wymiernych

WEKTORY I WARTOŚCI WŁASNE MACIERZY. = λ c (*) problem przybliżonego rozwiązania zagadnienia własnego dla operatorów w mechanice kwantowej

Ciagi liczbowe wykład 4

Wyznaczniki. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 6. Wykład z algebry liniowej Warszawa, listopad 2013

Prawdopodobieństwo i statystyka

6. Granica funkcji. Funkcje ciągłe.

Reprezentacje grafów nieskierowanych Reprezentacje grafów skierowanych. Wykład 2. Reprezentacja komputerowa grafów

Analiza numeryczna Kurs INP002009W. Wykłady 6 i 7 Rozwiązywanie układów równań liniowych. Karol Tarnowski A-1 p.

1 Pochodne wyższych rzędów

Indukcja matematyczna, zasada minimum i maksimum. 17 lutego 2017

granicą ciągu funkcyjnego (f n ) n N W symbolicznym zapicie fakt, że f jest granicą ciągu funkcyjnego (f n ) n N możemy wyrazić następująco: ε>0 N N

MNRP r. 1 Aksjomatyczna definicja prawdopodobieństwa (wykład) Grzegorz Kowalczyk

Rozdział 4. Ciągi nieskończone. 4.1 Ciągi nieskończone

Zadania z analizy matematycznej - sem. II Funkcje, ich granice i ciągłość

Egzamin z Analizy Matematycznej I dla Informatyków, 28 I 2017 Część I

Krzysztof Rykaczewski. Szeregi

4. O funkcji uwikłanej 4.1. Twierdzenie. Niech będzie dana funkcja f klasy C 1 na otwartym podzbiorze. ϕ : K(x 0, δ) (y 0 η, y 0 + η), taka że

Rozdział 5. Szeregi liczbowe. 5.1 Szeregi liczbowe. Definicja sumy częściowej ciągu. Niech dany będzie ciąg liczbowy (a n ) n=1.

Rozdział 7. Różniczkowalność. 7.1 Pochodna funkcji w punkcie

Informacja o przestrzeniach Hilberta

Statystyka i eksploracja danych

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

Postać Jordana macierzy

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Rachunek różniczkowy i całkowy w przestrzeniach R n

1 Macierze i wyznaczniki

Prawdopodobieństwo i statystyka

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

Wektor, prosta, płaszczyzna; liniowa niezależność, rząd macierzy

Układy równań i nierówności liniowych

1 Podobieństwo macierzy

Zaawansowane metody numeryczne

Finanse i Rachunkowość studia niestacjonarne Wprowadzenie do teorii ciągów liczbowych (treść wykładu z 21 grudnia 2014)

Transkrypt:

Procesy Stochastyczne, wykład 7, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 26 marzec, 212

Łańcuchy z czasem ciągłym S = {, 1,..., }, B S = 2 S, ale T = [, ) lub T = (, ). Gdy S skończone, to otrzymujemy rodzinę macierzy stochastycznych P(t) spełniających warunek półgrupowości: P(t)P(s) = P(t + s), s, t >. Dla przypadku jednowymiarowego ciągłe rozwiązania - funkcje wykładnicze. Pokażemy, że tutaj jest podobnie. Dalej zakładamy, że P() = I oraz, że lim t + P(t) = I (ciągłość w ). Ciągłą w zerze stochastyczną funkcję macierzową spełniającą warunek półgrupowości nazywamy markowską macierzą przejścia. Definicja Dla macierzy A (n n) definiujemy exp(a) = k= A k k!, (A = I).

Generator półgrupy markowskiej Tw. 3. Niech P(t), t, będzie markowską macierzą przejścia (n n). Wtedy P(t) = exp(tg), gdzie G = [g ij ] (=generator) jest macierzą (n n) spełniającą g ij, dla i j, oraz j g ij =, dla wszystkich i. Powyższy wzór ustala wzajemnie jednoznaczną odpowiedniość między markowskimi macierzami przejścia a macierzami G o w/wym. własnościach (generatorami). Ćwiczenie. Szereg definiujący exp(a) jest zbieżny w normie. Gdy AB = BA to exp(a + B) = exp(a) exp(b) Ponadto d exp(ta) = A exp(ta) = exp(ta)a. dt

Generator półgrupy markowskiej cd. Dowód Półgrupa P(t) jest ciągła (normowo) dla wszystkich t > : P(t + h) = P(t)P(h) oraz P(t h) = P(t)P(h) 1 ; gdzie P(h) 1 istnieje dla małych h >, bo P(h) I. Załóżmy dodatkowo, że P(t) jest prawostronnie różniczkowalna w, tzn. że p ij (t) δ ij lim = g ij t + t istnieje dla dow. i, j. Macierz G = [g ij ] ma własność: g ij, dla i j, j g ij =. Zachodzi dp(t) dt P(t + h) P(t) P(h) I = lim = lim P(t) = GP(t). h + h h + h Także P (t) = P(t)G. Analogicznie sprawdzamy lewostronną różniczkowalność w t >. Z teorii r.r. obydwa równania różn. posiadają jedyne rozwiązania przy war. początkowym P() = I.

Generator półgrupy markowskiej cd. Jednocześnie wiadomo, że exp(tg) spełnia powyższe r.r. i war. początkowy P() = I, więc z jednoznaczności otrzymujemy: P(t) = exp(tg). Macierz G nazywamy generatorem półgrupy markowskiej P(t). Na odwrót, dla dowolnego generatora G, P(t) = exp(tg) jest markowską macierzą przejścia: P(t) jest macierzą stochastyczną: Niech 1 oznacza wektor kolumnowy złożony z samych jedynek. Ponieważ wyrazy każdego wiersza G sumują sie do więc P(t)1 = n= t n G n 1 n! = (tg) 1 = 1, czyli wyrazy każdego wiersza P(t) sumują się do 1.

Generator półgrupy markowskiej cd. Przypuśćmy, że g ij >, dla wszystkich i j. Zachodzi p ij (t) = δ ij + tg ij + O(t 2 ) więc p ij (t) >, dla małych t >. Ponieważ P(t) = P(t/k) k więc P(t) > dla wszystkich t >. W ogólnym przypadku def. [G ε ] ij = g ij + ε, ε >. Z poprzednich rozważań P ε (t) = exp(tg ε ) >. Ze zbieżności P(t) = lim ε + P ε (t) otrzymujemy P(t). Uzupełnienie: istnienie P (). Dla dow. h > i dow. n zachodzi następująca tożsamość: [P(h) I][I + P(h) +... + P(nh h)] = P(nh) I Gdy h oraz nh t to z ciągłości P( ) otrzymujemy P(kh) n 1 h k= t P(u) du Gdy t > jest małe, macierz t P(u) du jest odwracalna.

Istnienie P (). Pokażemy, że gdy A I < 1, to A - odwracalna. P(t) I, gdy t, więc istnieje t >, że dla < u < t, P(u) I < 1/2. Wtedy 1/t t P(u)du I 1/t t P(u) I du 1/2. Dla małych h > suma Riemanna przybliżająca całkę jest nieosobliwa. Ponadto P(nh) P(t). Z naszej tożsamości otrzymujemy [ t ] 1 lim h +(1/h)[P(h) I] = [P(t) I] P(u) du więc P (+) istnieje.

Macierze odwracalne są zbiorem otwartym. Lemat. Zbiór macierzy odwracalnych jest otwarty w (L(V ), ). 1. Gdy A I < 1 to A jest odwracalna. Rzeczywiście, niech Y = (I A)n. Wtedy AY = YA = I : A k (I A) n = [I (I A)] k (I A) n = I (I A) k+1 I. Analogicznie sprawdzamy, że YA = I, więc Y = (A) 1. 2. Gdy B odwracalna oraz C taka, że C < 1/2 B 1 1, to B + C = B(I + B 1 C) oraz B 1 C < 1/2 zatem I + B 1 C odwracalna, więc także B + C odwracalna.

Kryterium nieprzywiedlności P(t) Markowską macierz przejścia P(t) nazywamy nieprzywiedlną gdy p ij (t) > dla dow. i, j oraz wszystkich t >. Kryterium P(t) = exp(tg) jest nieprzywiedlna dla dowolnych i, j; i j, istnieje skończony ciąg stanów i = i, i 1,..., i n = j, taki, że g ik i k+1 dla k n 1 Dowód. Gdy istnieje skończony ciąg stanów i 1,..., i n o własnościach jak wyżej mówimy, że istnieje droga z i do j, i j. Załóżmy, że nie istnieje droga z i do j, i j. Wtedy g (n) ij = [G n ] ij = dla dowolnych i oraz j, i j, n = 1, 2,... oraz p ij (t) = n= t n [G n ] ij n! = dla wszystkich t >, więc P( ) nie jest nieprzywiedlna.

Dostateczność kryterium nieprzywiedlności Na odwrót, gdy istnieją drogi od i do j, (i j), niech n - długość najkrótszej. Gdyby dla pewnego k pojawił sie wyraz g kk, to wykreślając go otrzymalibyśmy krótszą drogę. W takim razie g ik i k+1 >, bo i k i k+1. Jeśli n = 1, to g ij > wiec p ij (t) > dla małych t. Indukcja wzgl. n : Gdy n 2 to g ij = g (n 1) ij = i dla pewnego i 1, g ii1 > oraz g (n 1) i 1 j >. Wtedy zachodzi g (n ) ij = = {}}{ g ik g (n 1) kj = g ii g (n 1) + k i 1,i,j ij + g ik g (n 1) kj g ii1 g (n 1) i 1 j > = {}}{ g ij g (n 1) jj +g ii1 g (n 1) i 1 j Tak więc [G n ] ij = dla n < n oraz [G n ] ij >. Stąd, dla małych t > zachodzi p ij (t) >. Tak jest dla wszystkich i, j więc dla małych t > (zatem dla wszystkich t > ) zachodzi P(t) >.

Istnienie lim t P(t) Tw. 4. Niech P(t), t będzie nieprzywiedlną macierzą przejścia o skończonej ilości stanów. Wtedy lim t P(t) = π istnieje, macierz graniczna π ma stałe kolumny. Jej (identyczne) wektory wierszowe π są jedynymi wektorami prob. spełniającymi π = πp(t) dla wszystkich t. Dowód. Dla dowolnego h >, P(h) >. Z twierdzenia dotyczącego przypadku dyskretnego, dla dowolnego h > lim P(nh) = lim n n P(h)n = π istnieje, gdzie (identyczne) wektory wierszowe π są jedynymi wektorami prob. (t.j. π i = 1) spełniającymi π = πp(h). Poprzednio jednak pokazaliśmy, że P(t) jest jednostajnie ciągła na [, ). Istnienie lim t P(t) otrzymujemy z następującego lematu:

Istnienie lim t P(t) Lemat. Niech f będzie jednostajnie ciągłą, ograniczoną funkcją rzeczywistą na [, ) mającą własność lim f (nh) n istnieje dla dowolnego h >. Wtedy lim t f (t) istnieje. [Niech ε > oraz h > takie, że oscylacja f na odcinku o długości h ε/2. Niech lim n f (nh) = A. Wybieramy n takie, że f (nh) A < ε/2, dla n n. Niech t > n h oraz niech n 1 = [t/h]. Wtedy f (t) A f (t) f (n 1 h) + f (n 1 h) A < ε.] Zauważmy, że π jest takie samo dla każdego h więc π = πp(t), dla każdego t. Rozwiązanie powyższego równania jest jedyne (nawet dla pojedynczego ustalonego t > ), co kończy dowód.