Поглощающие марковские цепи
Таким образом, если процесс начался в S3, то вероятность попадания его в S1 равна 0,38, а в S2 — 0,62. Отметим одно интересное обстоятельство: несмотря на то, что, казалось бы, левое поглощающее состояние («левая яма») находится рядом с S3, но вероятность попадания в нее почти в два раза меньше, чем в «удаленную яму» — S2. Этот интересный факт подмечен в теории дискретных Марковских процессов… Читать ещё >
Поглощающие марковские цепи (реферат, курсовая, диплом, контрольная)
Как указывалось выше, из поглощающего состояния нельзя перейти ни в какое другое, у поглощающих дискретных марковских цепей имеется множество, состоящее из одного или нескольких поглощающих состояний.
Для примера рассмотрим переходную матрицу, описывающую переходы в системе, имеющей 4 возможных состояния, два из которых являются поглощающими. Матрица перехода такой цепи будет иметь вид:
Практически важным является вопрос о том, сколько шагов сможет пройти система до остановки процесса, то есть поглощения в том или ином состоянии. Для получения дальнейших соотношений путем переименования состояний матрицу (1) переводят к блочной форме:
Такая форма позволяет представить матрицу (2) в каноническом виде:
.
где — единичная матрица; - нулевая матрица; - матрица, описывающая переходы в системе из невозвратного множества состояний в поглощающее множество; - матрица, описывающая внутренние переходы в системе в невозвратном множестве состояний.
На основании канонической формы (3) получена матрица, называемая фундаментальной.. Матрица (4) — обратная матрица, то есть.
После соответствующих преобразований матрица (4) примет вид:
Каждый элемент матрицы (6) соответствует среднему числу раз попадания системы в то или иное состояние до остановки процесса (поглощения).
Если необходимо получить общее среднее количество раз попадания системы в то или иное состояние до поглощения, то фундаментальную матрицу М необходимо умножить справа на вектор-столбец, элементами которого будут единицы, то есть.
где.
Для иллюстрации приведем конкретный числовой пример: пусть известны значения переходных вероятностей матрицы с одним поглощающим состоянием: P11 = 1; P12 = P13 = 0; P21 = 0,25; P22 = 0,5; P23 = 0,25; P31 = 0,5; P32 = 0,5; P33 = 0.
Переходная матрица в блочной системе будет выглядеть так:
.
В данном случае. Проделаем необходимые вычисления:
;
;
.
В данном случае компоненты вектора означают, что если процесс начался с состояния S2, общее среднее число шагов процесса до поглощения будет равно 3,34 и, соответственно, если процесс начинается с состояния S3, то — 2,26.
В конкретных задачах, конечно, более информативным результатом будет не количество шагов, а какие-либо временные или экономические показатели. Этот результат легко получить, если связать пребывание в каждом состоянии с соответствующими характеристиками. Очевидно, набор этих характеристик составит вектор, на который нужно умножить слева.
Так, если задать в нашем примере время пребывания в состоянии S2 — t2 = 20 час, а в состоянии S3 — t3 = 30 час, то общее время до поглощения будет равно: час.
В случаях, когда Марковская цепь включает несколько поглощающих состояний, возникают такие вопросы: в какое из поглощающих состояний цепь попадет раньше (или позже); в каких из них процесс будет останавливаться чаще, а в каких — реже? Оказывается, ответ на эти вопросы легко получить, если снова воспользоваться фундаментальной матрицей.
Обозначим через bij вероятность того, что процесс завершится в некотором поглощающем состоянии Sj при условии, что начальным было состояние Si. Множество состояний bij снова снова образует матрицу, строки которой соответствуют невозвратным состояниям, а столбцы — всем поглощающим состояниям. В теории дискретных Марковских процессов доказывается, что матрица В определяется следующим образом:, где.
М — фундаментальная матрица с размерностью S;
R — блок фундаментальной матрицы с размерностью r.
Рассмотрим конкретный пример системы с четырьмя состояниями S1— S4, две из которых — S1, S2 — поглощающие, а две — невозвратные: S3 и S4. Для наглядности и простоты вычислений обозначим переходные вероятности следующим образом:
P11 = P22 = 1; P31 = P43 = q; P34 = P42 = P.
Остальные значения вероятностей будут нулевыми. Каноническая форма матрицы перехода в этом случае будет выглядеть так:
.
Фундаментальная матрица после вычислений примет вид:
.
Тогда, согласно формуле (7), матрица вероятностей поглощения вычисляется так:
.
Поясним вероятностный смысл полученной матрицы с помощью конкретных чисел. Пусть p = 0,7, а q = 0,3. Тогда, после подстановки полученных значений в матрицу В, получим:
.
Таким образом, если процесс начался в S3, то вероятность попадания его в S1 равна 0,38, а в S2 — 0,62. Отметим одно интересное обстоятельство: несмотря на то, что, казалось бы, левое поглощающее состояние («левая яма») находится рядом с S3, но вероятность попадания в нее почти в два раза меньше, чем в «удаленную яму» — S2. Этот интересный факт подмечен в теории дискретных Марковских процессов и объясняется он тем, что p? q, то есть процесс имеет как бы «правый уклон». Рассмотренная выше модель называется в теории дискретных Марковских процессов моделью случайного блуждания. Такими моделями часто объясняются многие физические и технические явления и даже поведение игроков во время различных игр.
В частности, в рассмотренном примере объясняется факт того, что более сильный игрок может дать заранее значительное преимущество («фору») слабому противнику и все равно его шансы на выигрыш будут более предпочтительными.
Кроме указанных выше средних характеристик вероятностного процесса с помощью фундаментальной матрицы можно вычислить моменты и более высоких порядков. В частности, дисперсия числа пребывания в том или ином состоянии — D определяется с помощью следующей матрицы:
.
где.
— диагональная матрица, т. е. матрица, полученная из М путем оставления в ней лишь диагональных элементов и замены остальных элементов нулями. Например, приведенная выше матрица (6) будет иметь вид:
.
В свою очередь, матрица представляет собой матрицу, полученную из М путем возведения в квадрат каждого ее элемента, то есть для (6) будем иметь:
.