Эта статья включает в себя список литературы , связанной литературы или внешних ссылок , но ее источники остаются неясными, поскольку в ней отсутствуют встроенные цитаты . ( Август 2020 г. ) ( Узнайте, как и когда удалить этот шаблон сообщения ) |
Непрерывное время цепь Марков ( СТМС ) представляет собой непрерывный случайный процесс , в котором для каждого состояния, то процесс будет изменяться состояние в соответствии с экспоненциальной случайной величиной , а затем перейти в другое состояние , как определенно с помощью вероятностей стохастической матрицы . Эквивалентная формулировка описывает процесс как изменение состояния в соответствии с наименьшим значением набора экспоненциальных случайных величин, по одной для каждого возможного состояния, в которое он может перейти, с параметрами, определяемыми текущим состоянием.
Пример CTMC с тремя состояниями следующий: процесс выполняет переход по истечении времени, заданного временем удержания - экспоненциальной случайной величины , где i - его текущее состояние. Каждая случайная величина независима и такая, что , и . При переходе должно быть сделано, процесс переходит по прыжкам цепи , в дискретном времени цепь Маркова с стохастической матрицы:
Эквивалентно, согласно теории конкурирующих экспонент , этот CTMC изменяет состояние из состояния i в соответствии с минимумом двух случайных величин, которые являются независимыми и такими, что для тех случаев, когда параметры задаются Q-матрицей
Каждое недиагональное значение может быть вычислено как произведение времени удержания исходного состояния на вероятность перехода в данное состояние из цепочки скачков. Значения диагонали выбираются так, чтобы сумма каждой строки равнялась 0.
CTMC удовлетворяет свойству Маркова , что его поведение зависит только от его текущего состояния, а не от его поведения в прошлом, из-за отсутствия памяти экспоненциального распределения и цепей Маркова с дискретным временем.
Определение [ править ]
Марковская цепь с непрерывным временем ( X t ) t ≥ 0 определяется следующим образом: [1]
- конечное или счетное пространство состояний S ;
- переход скорости матрицы Q с размерами , равной S ; а также
- начальное состояние, такое что , или распределение вероятностей для этого первого состояния.
Для i ≠ j элементы q ij неотрицательны и описывают скорость переходов процесса из состояния i в состояние j . Элементы q ii могут быть выбраны равными нулю, но для математического удобства общее соглашение состоит в том, чтобы выбирать их так, чтобы каждая строка сумм равнялась нулю, то есть:
Обратите внимание, как это отличается от определения матрицы перехода для дискретных цепей Маркова , где все строчные суммы равны единице.
Есть три других определения процесса, эквивалентных приведенному выше. [2]
Определение вероятности перехода [ править ]
Другой распространенный способ определения цепей Маркова с непрерывным временем состоит в том, чтобы вместо матрицы скорости перехода использовать следующее: [1]
- , для , представляющая скорость распада (экспоненциального распределения), в котором система остается в состоянии после входа в нее; а также
- , для , представляющая вероятность того, что система перейдет в состояние , учитывая, что она в настоящее время выходит из состояния .
Естественно, должно быть ноль для всех .
Значения и тесно связаны с матрицей скорости перехода формулами:
Рассмотрим упорядоченную последовательность моментов времени и состояний, записанных в эти моменты времени , тогда он утверждает, что:
- [ сомнительно ]
где p ij - решение прямого уравнения ( дифференциального уравнения первого порядка ):
с начальным условием P (0), являющимся единичной матрицей .
Бесконечно малое определение [ править ]
Пусть будет случайной величиной, описывающей состояние процесса в момент времени t , и предположим, что процесс находится в состоянии i в момент времени t . По определению марковской цепи с непрерывным временем, не зависит от значений до момента ; то есть не зависит от . Имея это в виду, для всех , для всех и для небольших значений справедливо следующее:
- ,
где - дельта Кронекера и использовались краткие обозначения .
Приведенное выше уравнение показывает , что можно рассматривать как измерения , как быстро переход от к происходит из- за , и как быстро переход от происходит из- за .
Цепочка прыжков / определение времени удержания [ править ]
Задайте цепь Маркова Y n с дискретным временем для описания n- го скачка процесса и переменные S 1 , S 2 , S 3 , ... для описания времени удержания в каждом из состояний, где S i следует экспоненциальному распределению со скоростью параметр - q Y i Y i .
Свойства [ править ]
Общение в классах [ править ]
Сообщающиеся классы, быстротечность, рекуррентность, положительная и нулевая рекуррентность определяются так же, как для цепей Маркова с дискретным временем .
Временное поведение [ править ]
Напишите P ( t ) для матрицы с элементами p ij = P ( X t = j | X 0 = i ). Тогда матрица P ( t ) удовлетворяет прямому уравнению - дифференциальному уравнению первого порядка
где штрих означает дифференцирование по t . Решение этого уравнения дается матричной экспонентой
В простом случае, таком как CTMC в пространстве состояний {1,2}. Общая Q- матрица для такого процесса - это следующая матрица 2 × 2 с α , β > 0
Вышеупомянутое соотношение для прямой матрицы может быть решено явно в этом случае, чтобы дать
Однако прямые решения сложно вычислить для матриц большего размера. Тот факт, что Q является генератором полугруппы матриц
используется.
Стационарное распределение [ править ]
Стационарное распределение для неприводимого рекуррентного CTMC - это распределение вероятностей, к которому процесс сходится при больших значениях t . Заметим, что для рассмотренного ранее процесса с двумя состояниями с P ( t ), заданным формулой
при t → ∞ распределение стремится к
Обратите внимание, что каждая строка имеет одинаковое распределение, так как это не зависит от начального состояния. Вектор-строку π можно найти, решив [3]
с дополнительным ограничением, что
Пример 1 [ править ]
Изображение справа описывает цепь Маркова в непрерывном времени с пространством состояний {бычий рынок, медвежий рынок, застойный рынок} и матрицей скорости перехода.
Стационарное распределение этой цепочки может быть найдено путем решения при условии, что сумма элементов должна быть равна 1, чтобы получить
Пример 2 [ править ]
Изображение справа описывает цепь Маркова в дискретном времени, моделирующую Pac-Man с пространством состояний {1,2,3,4,5,6,7,8,9}. Игрок управляет Pac-Man через лабиринт, поедая пак-точки. Тем временем за ним охотятся призраки. Для удобства лабиринт представляет собой небольшую сетку 3x3, а монстры беспорядочно перемещаются в горизонтальном и вертикальном направлениях. Секретный проход между состояниями 2 и 8 можно использовать в обоих направлениях. Записи с нулевой вероятностью удаляются в следующей матрице скорости перехода:
Эта цепь Маркова неприводима, потому что призраки могут перелететь из любого состояния в любое состояние за конечный промежуток времени. Из-за секретного прохода цепь Маркова также апериодична, потому что монстры могут переходить из любого состояния в любое состояние как при четном, так и при нечетном количестве переходов между состояниями. Следовательно, существует уникальное стационарное распределение, которое может быть найдено путем решения при условии, что сумма элементов должна быть равна 1. Решением этого линейного уравнения с учетом ограничения является центральное состояние и граничные состояния 2 и 8 соседнего секрета. переходы посещаются больше всего, а угловые штаты посещаются меньше всего.
Обратное время [ править ]
Для CTMC X t обратный во времени процесс определяется как . По лемме Келли этот процесс имеет такое же стационарное распределение, что и прямой процесс.
Цепочка называется обратимой, если обратный процесс совпадает с прямым. Критерий Колмогорова утверждает, что необходимое и достаточное условие для того, чтобы процесс был обратимым, состоит в том, что произведение скоростей перехода по замкнутому контуру должно быть одинаковым в обоих направлениях.
Встроенная цепь Маркова [ править ]
Один из методов нахождения стационарного распределения вероятностей , л , с концентрацией эргодической непрерывного времени марковской цепи, Q , являются первым нахождением его вложенного марковской цепью (ЭМС) . Строго говоря, EMC - это обычная цепь Маркова с дискретным временем, которую иногда называют скачкообразным процессом . Каждый элемент матрицы вероятности одношагового перехода EMC, S , обозначается s ij и представляет условную вероятность перехода из состояния i в состояние j . Эти условные вероятности могут быть найдены
Отсюда S можно записать как
где I - единичная матрица, а diag ( Q ) - диагональная матрица, сформированная путем выбора главной диагонали из матрицы Q и установки всех остальных элементов в ноль.
Чтобы найти вектор стационарного распределения вероятностей, мы должны затем найти такой, что
с вектор-строкой, так что все элементы в больше 0 и = 1. Отсюда π может быть найдено как ‖ φ ‖ 1 {\displaystyle \|\varphi \|_{1}}
( S может быть периодическим, даже если Q не является периодическим . После того, как π найдено, оно должно быть нормализовано до единичного вектора .)
Другой процесс с дискретным временем, который может быть получен из цепи Маркова с непрерывным временем, - это δ-скелет - цепь Маркова (дискретного времени), образованная наблюдением X ( t ) с интервалами в δ единиц времени. Случайные величины X (0), X (δ), X (2δ), ... задают последовательность состояний, которые посещает δ-скелет.
См. Также [ править ]
- Уравнения Колмогорова (процесс марковского скачка)
Заметки [ править ]
- ^ а б Росс, SM (2010). Введение в вероятностные модели (10-е изд.). Эльзевир. ISBN 978-0-12-375686-2.
- Перейти ↑ Norris, JR (1997). «Цепи Маркова с непрерывным временем I». Цепи Маркова . С. 60–107. DOI : 10.1017 / CBO9780511810633.004 . ISBN 9780511810633.
- Перейти ↑ Norris, JR (1997). «Цепи Маркова с непрерывным временем II». Цепи Маркова . С. 108–127. DOI : 10.1017 / CBO9780511810633.005 . ISBN 9780511810633.
Ссылки [ править ]
- А.А. Марков (1971). «Распространение предельных теорем теории вероятностей на сумму переменных, соединенных в цепочку». перепечатано в Приложении B к: R. Howard. Динамические вероятностные системы, том 1: Марковские цепи . Джон Вили и сыновья.
- Марков, А.А. (2006). Перевод Link, Дэвид. «Пример статистического исследования текста Евгения Онегина о соединении выборок в цепочки» . Наука в контексте . 19 (4): 591–600. DOI : 10.1017 / s0269889706001074 .
- Лео Брейман (1992) [1968] Вероятность . Оригинальное издание, опубликованное Эддисон-Уэсли; перепечатано Обществом промышленной и прикладной математики ISBN 0-89871-296-3 . (См. Главу 7)
- JL Doob (1953) Случайные процессы . Нью-Йорк: Джон Вили и сыновья ISBN 0-471-52369-0 .
- С.П. Мейн и Р.Л. Твиди (1993) Цепи Маркова и стохастическая устойчивость . Лондон: Springer-Verlag ISBN 0-387-19832-6 . онлайн: MCSS . Выйдет второе издание, Cambridge University Press, 2009.
- Кемени, Джон Дж .; Хэзлтон Миркил; Дж. Лори Снелл; Джеральд Л. Томпсон (1959). Конечные математические структуры (1-е изд.). Энглвуд Клиффс, Нью-Джерси: Прентис-Холл, Инк. Номер каталога карточек Библиотеки Конгресса 59-12841.Классический текст. cf Глава 6 Конечные цепи Маркова, стр. 384ff.
- Джон Г. Кемени и Дж. Лори Снелл (1960) Конечные цепи Маркова , ISBN Д. ван Ностранда 0-442-04328-7
- Э. Нуммелин. «Общие неприводимые цепи Маркова и неотрицательные операторы». Cambridge University Press, 1984, 2004. ISBN 0-521-60494-X
- Сенета, Э. Неотрицательные матрицы и цепи Маркова . 2-я ревизия. изд., 1981, XVI, 288 стр., Серия Springer в мягкой обложке по статистике. (Первоначально опубликовано Allen & Unwin Ltd., Лондон, 1973 г.) ISBN 978-0-387-29765-1