随机过程(七)-马氏链
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第四章Markov过程主要内容
⏹离散时间Markov链
⏹转移概率
⏹平稳分布
⏹状态分类
⏹极限定理
⏹连续时间Markov链
⏹Kolomogrov微分方程
⏹连续时间马氏过程
第一节 离散时间Markov 链
一、Markov 链的定义
⏹ 直观含义:要确定过程将来的状态,只需知道过程现在的状态
就足够了,并不需要知道过程以往的状态。
⏹ 定义:随机过程{,0,1,2,}n X n =⋅⋅⋅称为马氏链(Markov 链),若
它只取有限或可列个值E 0, E 1,E 2,…,且对任意的n ≥0及状态
011,,,,,n i j i i i -⋅⋅⋅有
10011111{|,,,,}{|}
n n n n n n P X j X i X i X i X i P X j X i +--+===⋅⋅⋅=====
用条件概率的语言来说
11011{,,|,,,}{,
,|}
n n k k n k k n P X j X j X X X P X j X j X ++==⋅⋅⋅===
注:
1、E 0, E 1,E 2,…称为Markov 链的状态,通常用0,1,2,…来标记E 0, E 1,E 2,…。{0,1,2,…}称为过程的状态空间,记为S 。
2、若Markov 链的状态是有限的,则称为有限链,否则称为无限链。 2、条件概率11{|}n n n n P X i X i --==,n =1,2,……称为Markov 链的一步转移概率。
3、若转移概率1{|}n n P X j X i -==只与状态,i j 有关,而与时间n 无关,则称该Markov 链是时齐Markov 链,并记1{|}ij n n p P X j X i -===,否则称Markov 链是非时齐的。矩阵
0001021011120
1
2
()ij ij S
n n n p p p p p p P p p p p ∈⎛⎫ ⎪ ⎪ ⎪== ⎪ ⎪ ⎪ ⎪ ⎪⎝
⎭
称为转移矩阵。
4、()
{|}k ij n k n p P X j X i +===称为k 步转移概率,()k P 称为k 步转移矩阵。当n =1时,(1)ij ij p p =,(1)P P =。此外规定
(0)
0,1,ij i j p i j
≠⎧=⎨
=⎩
二、转移矩阵的性质 1. 0,,ij p i j S ≥∀∈;
2.
1,ij
j S
p
i S ∈=∀∈∑
3. C -K 方程:()()()()()
m n m n n m ij
ik kj ik kj k S
k S
p p p p p +∈∈==∑∑, 用矩阵可以表示为()()()m n m n P P P +=⋅
4. ()k
k k
P P P P =⋅⋅⋅=
3的证明:
()0000000000{|}
{,}
{}
{,,}
{}
{|,}{,} {}{|}{,}
{}
m n ij n m n m n m n k S
n m n n k S n m n n k S p P X j X i P X j X i P X i P X j X k X i P X i P X j X k X i P X k X i P X i P X j X k P X k X i P X i ++++∈+∈+∈======
===================∑
∑
∑
()()()
0 {|}m n m kj n ik kj
k S
k S
p P X k X i p p ∈∈====∑∑
4的证明: 由3知
()(1)(2)n n n n P P P P P P P --=⋅=⋅⋅=
=
四、Markov 链的例子
例1(随机游动)假设一个球在全直线上做无限制的随机游动,它每次以概率p 向左移动一步,以概率1-p 向右移动一步,因此它的状态空间为0,1,2,
±±,请写出它的转移矩阵。
例2 假设有一蚂蚁在下面的图上爬行,当两个结点相临时,蚂蚁将爬向图临近一点,并且爬向任何一个邻居的概率是相同的,请写出它的转移矩阵。 2
1 5
3
6
4
例3 设当日有雨,则第二天有雨的概率为0.7,当日无雨第二天有雨的概率为0.5。已知今天没有雨,求四天后有雨的概率。
解:
假设0表示有雨,1表示没有雨,则转移矩阵可以写为
0.70.30.50.5P ⎛⎫= ⎪⎝⎭
因此
(2)0.70.30.70.30.610.390.50.50.50.50.520.48P P P ⎛⎫⎛⎫⎛⎫
=⋅=⋅= ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭
(4)(2)(2)0.610.390.610.390.57490.42510.520.480.520.480.56680.4332P P P ⎛⎫⎛⎫⎛⎫
=⋅=⋅= ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭
已知今天没雨,四天后没有雨的概率是?
三、Markov 链的分布 1、一维分布
假设初始分布00(){},i P X i i S π==∈已知,记((1),...(),...)'t t t n πππ=为X t 的分布,则
111000(){}
{|}() ()i S
ij
i S
j P X j P X j X i P X i i p ππ∈∈=======∑∑
11()(|)()
()t t t t i S
t ij
j S
j P X j X i P X i i p ππ++∈∈=====∑∑