Марковские случайные процессы с дискретными состояниями
Случайный процесс, протекающий в некоторой системе S с возможными состояниями S1, S2, S3, …, называется Марковским, или случайным процессом без последствия, если для любого момента времени t0 вероятные характеристики процесса в будущем (при t>t0) зависит только от его состояния в данный момент t0 и не зависят от того, когда и как система пришла в это состояние; т.е. не зависят от её поведения в прошлом (при t<t0). Примером Марковского процесса: система S – счётчик в такси. Состояние системы в момент t характеризуется числом километров (десятых долей километров), пройденных автомобилем до данного момента. Пусть в момент t0 счётчик показывает S0/ Вероятность того, что в момент t>t0 счётчик покажет то или иное число километров (точнее, соответствующее число рублей) S1 зависит от S0, но не зависит от того, в какие моменты времени изменились показания счётчика до момента t0. Многие процессы можно приближенно считать Марковскими. Например, процесс игры в шахматы; система S – группа шахматных фигур. Состояние системы характеризуется числом фигур противника, сохранившихся на доске в момент t0. Вероятность того, что в момент t>t0 материальный перевес будет на стороне одного из противников, зависит в первую очередь от того, в каком состоянии находится система в данный момент t0, а не от того, когда и в какой последовательности исчезли фигуры с доски до момента t0. В ряде случаев предысторией рассматриваемых процессов можно просто пренебречь и применять для их изучения Марковские модели. Марковским случайным процессом с дискретными состояниями и дискретным временем (или цепью Маркова) называется Марковский процесс, в котором его возможные состояния S1, S2, S3, … можно заранее перечислить, а переход из состояния в состояние происходит мгновенно (скачком), но только в определённые моменты времени t0, t1, t2, ..., называемые шагами процесса. Обозначим pij – вероятность перехода случайного процесса (системы S) из состояния I в состояние j. Если эти вероятности не зависят от номера шага процесса, то такая цепь Маркова называется однородной. Пусть число состояний системы конечно и равно m. Тогда её можно характеризовать матрицей перехода P1, которая содержит все вероятности перехода:
p11 p12 … p1m p21 p22 … p2m … … … … Pm1 pm2 … pmm
Естественно, по каждой строке ∑ pij = 1, I = 1, 2, …, m. Обозначим pij(n) – вероятностью того, что в результате n шагов система перейдёт из состояния I в состояние j. При этом при I = 1 имеем вероятности перехода, образующие матрицу P1, т.е. pij(1) = pij Необходимо, зная вероятности перехода pij, найти pij(n) – вероятности перехода системы из состояния I в состояние j за n шагов. С этой целью будем рассматривать промежуточное (между I и j) состояние r, т.е. будем считать, что из первоначального состояния I за k шагов система перейдёт в промежуточное состояние r с вероятностью pir(k), после чего за оставшиеся n-k шагов из промежуточного состояния r она перейдёт в конечное состояние j с вероятностью prj(n-k). Тогда по формуле полной вероятности
Pij(n) = ∑ pir (k) prj (n-k) – равенство Маркова.
Убедимся в том, что, зная все вероятности перехода pij = pij(1), т.е. матрицу P1 перехода из состояния в состояние за один шаг, можно найти вероятность pij(2), т.е. матрицу P2 перехода из состояния в состояние за два шага. А зная матрицу P2, - найти матрицу P3 перехода из состояния в состояние за три шага, и т.д. Действительно, полагая n = 2 в формуле Pij(n) = ∑ pir (k) prj (n-k), т.е. k=1 (промежуточное между шагами состояние), получим Pij(2) = ∑ pir(1)prj (2-1) = ∑ pir prj
Полученное равенство означает, что P2 =P1P1 = P21 Полагая n = 3, k = 2, аналогично получим P3 = P1P2 = P1P12 = P13, а в общем случае Pn = P1n
Пример Совокупность семей некоторого региона можно разделить на три группы: 1. семьи, не имеющие автомобиля и не собирающиеся его покупать; 2. семьи, не имеющие автомобиля, но намеревающиеся его приобрести; 3. семьи, имеющие автомобиль. Проведённое статистическое обследование показало, что матрица перехода за интервал в один год имеет вид:
0,8 0,1 0,1 0 0,7 0,3 0 0 1
(В матрице P1 элемент р31 = 1 означает вероятность того, что семья, имеющая автомобиль, также будет его иметь, а, например, элемент р23 = 0,3 – вероятность того, что семья, не имевшая автомобиля, но решившая его приобрести, осуществит своё намерение в следующем году, и т.д.) Найти вероятность того, что: 1. семья, не имевшая автомобиля и е собиравшаяся его приобрести, будет находиться в такой же ситуации через два года; 2. семья, не имевшая автомобиля, но намеревающаяся его приобрести, будет иметь автомобиль через два года. РЕШЕНИЕ: найдём матрицу перехода Р2 через два года: 0,8 0,1 0,1 0,8 0,1 0,1 0,64 0,15 0,21 0 0,7 0,3 0 0,7 0,3 0 0,49 0,51 0 0 1 0 0 1 0 0 1
То есть искомые в примере 1) и 2) вероятности равны соответственно
р11 =0,64, р23 =0,51
Далее рассмотрим Марковский случайный процесс с дискретными состояниями и непрерывным временем, в котором, в отличие от рассмотренной выше цепи Маркова, моменты возможных переходов системы из состояния не фиксированы заранее, а случайны. При анализе случайных процессов с дискретными состояниями удобно пользоваться геометрической схемой – так называемым графиком событий. Обычно состояния системы изображаются прямоугольниками (кружками), а возможные переходы из состояния в состояние – стрелками (ориентированными дугами), соединяющими состояния.
Пример. Построить граф состояний следующего случайного процесса: устройство S состоит из двух узлов, каждый из которых в случайный момент времени может выйти из строя, после чего мгновенно начинается ремонт узла, продолжающийся заранее неизвестное случайное время. РЕШЕНИЕ. Возможные состояния системы: S0 – оба узла исправны; S1 – первый узел ремонтируется, второй исправен; S2 – второй узел ремонтируется, первый исправен; S3 – оба узла ремонтируются.
Стрелка, направления, например, из S0 в S1, означает переход системы в момент отказ первого узла, из S1 в S0 – переход в момент окончания ремонта этого узла. На графе отсутствуют стрелки из S0 в S3 и из S1 в S2. Это объясняется тем, что выходы узлов из строя предполагается независимыми друг от друга и, например, вероятностями одновременного выхода из строя двух узлов (переход из S0 в S3) или одновременного окончания ремонтов двух узлов (переход из S3 в S0) можно пренебречь.
Популярное: Почему человек чувствует себя несчастным?: Для начала определим, что такое несчастье. Несчастьем мы будем считать психологическое состояние... Модели организации как закрытой, открытой, частично открытой системы: Закрытая система имеет жесткие фиксированные границы, ее действия относительно независимы... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (233)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |