Dyskretny proces Markowa

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

( n) Łańcuchy Markowa X 0, X 1,...

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

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =

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

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

Układy równań i równania wyższych rzędów

ψ przedstawia zależność

DYNAMIKA KONSTRUKCJI

Wykład 3 Równania rózniczkowe cd

Prawdopodobieństwo i statystyka

Niezawodność elementu nienaprawialnego. nienaprawialnego. 1. Model niezawodnościowy elementu. 1. Model niezawodnościowy elementu

ALGEBRA LINIOWA. Wykład 2. Analityka gospodarcza, sem. 1. Wydział Zarządzania i Ekonomii Politechnika Gdańska

Zaawansowane metody numeryczne

Pobieranie próby. Rozkład χ 2

Modelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU

Procesy stochastyczne

Spacery losowe generowanie realizacji procesu losowego

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.

Statystyka i eksploracja danych

Wektory i wartości własne

1 Zbiory i działania na zbiorach.

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

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

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

VII. ZAGADNIENIA DYNAMIKI

Zaawansowane metody numeryczne

Diagonalizacja macierzy i jej zastosowania

Wykład 4 Metoda Klasyczna część III

Wektory i wartości własne

1 Macierz odwrotna metoda operacji elementarnych

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

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

MACIERZE I WYZNACZNIKI

DB Algebra liniowa semestr zimowy 2018

Diagonalizacja macierzy i jej zastosowania

Własności wyznacznika

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

2. Układy równań liniowych

Macierze. Rozdział Działania na macierzach

Analiza funkcjonalna 1.

Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

1 Macierze i wyznaczniki

Wyznaczniki 3.1 Wyznaczniki stopni 2 i 3

Met Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łanc Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn

Zadania egzaminacyjne

Wykład 7: Szeregi liczbowe i potęgowe. S 1 = a 1 S 2 = a 1 + a 2 S 3 = a 1 + a 2 + a 3. a k

Wokół wyszukiwarek internetowych

O MACIERZACH I UKŁADACH RÓWNAŃ

D1. Algebra macierzy. D1.1. Definicje

Elementy modelowania matematycznego

5. Rozwiązywanie układów równań liniowych

Prawa wielkich liczb, centralne twierdzenia graniczne

Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova

Rachunek prawdopodobieństwa - Teoria - Przypomnienie.. A i B są niezależne, gdy P(A B) = P(A)P(B). P(A B i )P(B i )

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

Nr zadania Σ Punkty:

Proces rezerwy w czasie dyskretnym z losową stopą procentową i losową składką

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2017

Układy równań liniowych

Procesy stochastyczne

Zasada pędu i popędu, krętu i pokrętu, energii i pracy oraz d Alemberta bryły w ruchu postępowym, obrotowym i płaskim

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

Procesy stochastyczne

Teoria gier. wstęp Teoria gier Zdzisław Dzedzej 1

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.

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

Podstawy elektrotechniki

2. Kombinacja liniowa rozwiązań zeruje się w pewnym punkcie wtedy i tylko wtedy, gdy zeruje się w każdym punkcie.

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 3

5 Wyznaczniki. 5.1 Definicja i podstawowe własności. MIMUW 5. Wyznaczniki 25

, A T = A + B = [a ij + b ij ].

3. Wykład Układy równań liniowych.

Analiza matematyczna. 1. Ciągi

Układy równań liniowych i metody ich rozwiązywania

Ruch płaski. Bryła w ruchu płaskim. (płaszczyzna kierująca) Punkty bryły o jednakowych prędkościach i przyspieszeniach. Prof.

Algorytmy MCMC (Markowowskie Monte Carlo) dla skokowych procesów Markowa

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa

Procesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku.

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.

1 Pochodne wyższych rzędów

n=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa

Formy kwadratowe. Rozdział 10

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH

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.

Wykład 5. Metoda eliminacji Gaussa

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm

Funkcje analityczne. Wykład 12

[ ] [ ] [ ] [ ] 1. Sygnały i systemy dyskretne (LTI, SLS) y[n] x[n] 1.1. Systemy LTI. liniowy system dyskretny

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra

S n = a 1 1 qn,gdyq 1

Prawdopodobieństwo i statystyka

15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej

Równania różniczkowe liniowe rzędu pierwszego

Zbigniew S. Szewczak Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki. Graniczne własności łańcuchów Markowa

ĆWICZENIE 7 WYZNACZANIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA. Wprowadzenie

Prawdopodobieństwo i statystyka

Transkrypt:

Procesy sochasyczne WYKŁAD 4 Dyskreny roces Markowa Rozarujemy roces sochasyczny X, w kórym aramer jes ciągły zwykle. Będziemy zakładać, że zbiór sanów jes co najwyżej rzeliczalny.

Proces X, jes rocesem Markowa, jeśli dla dowolnego n, dla dowolnych chwil czasu < <...< n, oraz dowolnych sanów fazowych x, y, x,..., x n sełniona jes zależność: { } { } x X y X P x X x X x X y X P n n n n n n,...,,

Proces Markowa jes jednorodny w czasie, jeżeli dla dowolnych sanów x, y oraz chwil czasu < mamy P { X y X x} x, y, co oznacza, że rawdoodobieńswo rzejścia ze sanu x do sanu y w czasie od momenu do momenu zależy ylko od różnicy -, a nie zależy od momenu wyjściowego w szczególności może o być zawsze chwila.. 3

Przyjmijmy oznaczenie P{ X } n j X i ij, gdzie n -, n >. 4

5 Niech P [ ij ] sochasyczna macierz rzejścia i, j,,..., N dla skończonej liczby sanów. P NN N N N N L L L L L L L

Zależność s + s ij równaniem Chamana - Kołmogorowa. Wynika z niej, że k ik kj nazywamy P s + P s P P P s 6

Uwaga. Niech i PX i - rawdoodobieńswo, że w chwili roces znajdzie się w sanie i. Takie rawdoodobieńswa nazywamy niekiedy rawdoodobieńswami całkowiymi. oniższa własność. Wedy Niech i N j j ji,,..., N rozkład rocesu w chwili Wedy P 7

Zakładamy, że funkcje ij są ciągłe w unkcie. dla j i lim ij dla j i Wedy są ciągłe w dowolnym innym unkcie. Isnieje eż chociaż może być nieskończona granica lim + oraz skończona granica + ii ij lim ' ij ' ii + + 8

Dla wygody rzyjmiemy oznaczenia ' + ij ij nazywamy inensywnościami rzejścia ze sanu i do sanu j gdy j i, oraz ii inensywnością wyjścia ze sanu i. ij 9

Dalej będziemy rozarywali jednorodne rocesy Markowa, dla kórych wszyskie inensywności są skończone.

Określamy macierz inensywności Λ o elemenach równym inensywnościom ij dla skończonej liczby sanów L N Λ L N L L L L N N L NN zn. Λ P +

Własności macierzy inensywności a ii, wyrazy na głównej rzekąnej są niedodanie, b ij dla i j wyrazy oza rzekąną są nieujemne. c ij suma wyrazów każdego j wiersza jes równa

dowód c sąd + j j i ij ij + ii j i zaem lim + czyli j i j i ij ij + ii ij ii ii : 3

Macierzą inensywności nazywamy każdą macierz Λ aką, że: a elemeny ozadiagonalne są nieujemne, b elemeny diagonalne są niedodanie, c suma elemenów w każdym wierszu wynosi. 4

Twierdzenie. Macierz inensywności Λ ma zawsze warość własną równą. 5

Przyjmując [,,...] wekor rozkładu rocesu w momencie i macierz Λ możemy układ równań Kołmogorowa zaisać w osaci wekorowej: ' Λ czyli d d Λ 6

Rozwiązanie ego równania ma osać e Λ 7

Przykład. Narysować graf i wyznaczyć równania rosekywne Kołmogorowa rocesu Markowa o macierzy inensywności: Λ 3 4 7 8

[ ] [ ] [ ] 3 4 9

+ + + 7 4 3 d d d d d d

W rosych rzyadkach rozwiązanie układu równań ' Λ można wyznaczyć meodą rzekszałcenia Lalace'a.

Przykład. Sysem składa się z jednego elemenu odsawowego i dwóch elemenów zaasowych. Elemen odsawowy jes obciążony i suje się z inensywnością. Elemeny zaasowe są nieobciążone i nie sują się. Gdy osuje się elemen odsawowy jego funkcje rzejmuje elemen zaasowy i wedy suje się z inensywnością. Sysem rzesaje racować z chwilą osucia się wszyskich elemenów. Niech X będzie rocesem oznaczającym liczbę zesuych elemenów w czasie. Przyjmijmy, że rozkład ocząkowy ma osać [,,, ]. Narysujemy graf rocesu i jego macierz inensywności. Rozwiązując równanie Kołmogorowa wyznaczymy wekor i rozkład graniczny.

[ ] [ ] [ ] [ 3] 3

Λ 4

5 Układ ' Λ zaisujemy o wsółrzędnych w osaci 3

Pochodne ransformujemy wg wzoru: f sfˆ s f i orzymujemy układ równań 6

7 ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ 3 s s s s s s s s s s s s s s

Rozwiązując orzymany układ równań wyznaczamy oryginały reransformay na odsawie zależności n α e n+ n! s α α w szczególności s + α e 8

9 ; ; ; 3 e e e

Zauważmy, że rawdoodobieńswo, że w chwili układ racuje wynosi e. Prawdoodobieńswa graniczne są równe Π [,,, ]. 3

Rozkład graniczny sacjonarny, ergodyczność dla rocesów Markowa. Π Π lim π π...,,, π n 3

Twierdzenie. Rozkład graniczny nie zależy od rozkładu ocząkowego macierz inensywności Λ ma jednokroną warość własną równą. 3

Twierdzenie. Jeśli X jes rocesem Markowa o skończenie wielu sanach oraz isnieje chwila aka, że wszyskie wyrazy macierzy rzejścia są dodanie, o isnieją granice rawdoodobieńsw rzejścia lim ij π niezależne od sanu wyjściowego i, są dodanie i mają sumę równą. Prawdoodobieńswa e nazywamy rawdoodobieńswami ergodycznymi. Proces Markowa, dla kórego isnieją rawdoodobieńswa ergodyczne nazywamy rocesem ergodycznym. j 33

Twierdzenie. Jeśli skończona macierz inensywności Λ ma oza rzekąną ylko dodanie elemeny o roces en jes ergodyczny i ma dodanie rawdoodobieńswa graniczne. 34

Twierdzenie. Rozkład graniczny Π jes niezerowym rozwiązaniem układu ΠΛ sełniającym warunek unormowania suma składowych jes równa. 35

Twierdzenie. Rozkład graniczny Π można wyznaczyć za omocą doełnień algebraicznych M kk elemenów z rzekąnej macierzy -Λ: Π j k M jj M kk 36

Przykład. Narysować graf i wyznaczyć rozkład graniczny rocesu Markowa o macierzy inensywności: 5 Λ 3 4 3 6 37

[ ] [ ] [ ] 3 4 38

od. [4/49; 4/49; /49] 39