隨機過程-11漸近性質與平穩(wěn)分布1課件_第1頁
隨機過程-11漸近性質與平穩(wěn)分布1課件_第2頁
隨機過程-11漸近性質與平穩(wěn)分布1課件_第3頁
隨機過程-11漸近性質與平穩(wěn)分布1課件_第4頁
隨機過程-11漸近性質與平穩(wěn)分布1課件_第5頁
已閱讀5頁,還剩23頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

4.4漸近性質與平穩(wěn)分布4.4漸近性質與平穩(wěn)分布例1:甲、乙、丙三個狀態(tài)用1,2,3表示兩步轉移概率矩陣:10步轉移概率矩陣:是否存在?有什么特點?例1:甲、乙、丙三個狀態(tài)用1,2,3表示兩步轉移概率矩陣:1例2(蜘蛛和蒼蠅)即當n足夠大時,出現(xiàn)什么現(xiàn)象?即是否存在?有什么特點?例2(蜘蛛和蒼蠅)即當n足夠大時,出現(xiàn)什么現(xiàn)象?即是否存在?例:已知馬氏鏈轉移圖如下,求從狀態(tài)1出發(fā)再返回1的n步轉移概率,n=1,2,…,812311即當n足夠大時是否存在?例:已知馬氏鏈轉移圖如下,求從狀態(tài)1出發(fā)再返回1的n步轉移概一、漸進性質(狀態(tài)有限)在馬爾科夫鏈的模型中,我們常常對n非常大時,n步轉移概率Pij(n)的極限行為感興趣。Pij(n)可能收斂于一個固定的值,并獨立于初始狀態(tài);Pij(n)的極限值也有可能會依賴于初始狀態(tài)Pij(n)也可能是不收斂的。我們希望了解什么情況下具有這種性質。一、漸進性質(狀態(tài)有限)在馬爾科夫鏈的模型中,我們常常對n非例:甲、乙、丙三個狀態(tài)用1,2,3表示

只有一個常返類,狀態(tài)有限,非周期的馬爾科夫鏈:每一個狀態(tài)j,處于狀態(tài)j的概率pij(n)趨近于一個獨立于初始狀態(tài)i的極限值。這個極限值記為

j

,稱之為穩(wěn)態(tài)概率。例:甲、乙、丙三個狀態(tài)用1,2,3表示只有一個常返類例1某同學上一門概率課,他每周可能進步,也可能落后。如果在給定的一周里,他進步了,那么他下一周進步(或落后)的概率是0.8(或0.2)。相應的,如果在給定的一周里,他落后了,那么他下一周進步(或落后)的概率是0.6(或0.4).我們假定這些概率都不依賴于他之前的每周是否進步或落后,所以該問題是一個典型的馬爾科夫鏈的問題(未來的狀態(tài)只依賴于當前的狀態(tài))。隨機過程-11漸近性質與平穩(wěn)分布1課件轉移概率圖為:轉移概率矩陣是:n步狀態(tài)轉移概率矩陣:轉移概率圖為:n步轉移概率pij(n)的變化趨勢圖:我們發(fā)現(xiàn),當n—>∞時,每一個pij(n)都收斂于一個極限值,這個極限值不依賴于初始狀態(tài)i,只與j有關。n步轉移概率pij(n)的變化趨勢圖:2.極限值依賴于初始狀態(tài)例2(蜘蛛和蒼蠅)一只蒼蠅在一條直線上移動,每次移動一個單位長度。每單位時間,它以0.3的概率向左移動一個單位,以0.3的概率向右移動一個單位,且以0.4的概率停留在原地,并且它們獨立于過去的移動。兩只蜘蛛等在位置1和位置m:如果蒼蠅達到這個位置,它將被蜘蛛捕捉,于是過程結束。我們將用馬爾科夫鏈模型,假設蒼蠅開始于1和m中間的某一個位置。2.極限值依賴于初始狀態(tài)狀態(tài)轉移概率圖:轉移概率矩陣:狀態(tài)轉移概率圖:n步狀態(tài)轉移概率矩陣:n步狀態(tài)轉移概率矩陣:n步轉向狀態(tài)“1”的概率pi1(n)的趨向示意圖:Pij(n)依舊收斂,但是極限值依賴于初始狀態(tài)。n步轉向狀態(tài)“1”的概率pi1(n)的趨向示意圖:如果一個馬爾科夫鏈有兩個或多個常返類,則pij(n)的極限值依賴于初始狀態(tài)。但當j是非常返狀態(tài)時,pij(n)的極限值等于0如果一個馬爾科夫鏈有兩個或多個常返類,則pij(n)的極限值3.pij(n)也可能是不收斂的例3

下圖所示的馬爾科夫鏈,周期為2,由單個常返類組成。狀態(tài)轉移矩陣為123113.pij(n)也可能是不收斂的12311n步轉移概率矩陣為:考察狀態(tài)1,可以看出:因此,是不收斂的。同樣,其他的n步轉移概率也是不收斂的。如果馬爾科夫鏈是有周期的,則pij(n)沒有極限值。但子序列上有極限。n步轉移概率矩陣為:如果馬爾科夫鏈是有周期的,則pij(n)等等是存在的。一般的:定理4.14如j是正常返狀態(tài),周期為d,則對任意i及0

r

d-1,有等等是存在的。一般的:定理4.14如j是正常返狀總之:1.如果如果一個馬爾科夫鏈只有一個常返類,加上一些可能存在的非常返狀態(tài),對每一個狀態(tài)j,處于狀態(tài)j的概率pij(n)趨近于一個獨立于初始狀態(tài)i的極限值。這個極限值記為

j

,有如下表示:

j≈P(Xn=j)(當n很大時),并且稱之為穩(wěn)態(tài)概率。2.如果有兩個或多個常返類,則pij(n)的極限值一定依賴于初始狀態(tài)3.如果馬爾科夫鏈是有周期的,則pij(n)沒有極限值。4.非常返狀態(tài)極限為0總之:附:非常返狀態(tài)極限性質證明定理4.13(1)

如果j

非常返,則證若j非常返,則由定理4.5,從而由定理4.4,對N<n,附:非常返狀態(tài)極限性質證明定理4.13(1)如果j非固定N,先令n

,固定N,先令n,注:對于任意馬氏鏈,當n→∞時,非常返狀態(tài)都有穩(wěn)態(tài)概率0.例如:非常返狀態(tài)2和3的穩(wěn)態(tài)概率為0.即注:對于任意馬氏鏈,當n→∞時,非常返狀態(tài)都有穩(wěn)態(tài)概率0.狀態(tài)無限多時:推論1

有限狀態(tài)的馬氏鏈,不可能全是非常返狀態(tài),也不可能含有零常返狀態(tài),從而不可約的有限狀態(tài)的馬氏鏈必為正常返的。推論2如馬氏鏈有一個零常返狀態(tài),則必有無限多個零常返狀態(tài)。定理4.13(2)

如果j

零常返,則狀態(tài)無限多時:推論1有限狀態(tài)的馬氏鏈,不可能全是非常返狀態(tài)定理4.13(2)

如果j

零常返,則證

若j零常返,則由定理4.7推論,其他和非常返狀態(tài)類似定理4.13(2)如果j零常返,則

推論1

有限狀態(tài)的馬氏鏈,不可能全是非常返狀態(tài),也不可能含有零常返狀態(tài),從而不可約的有限狀態(tài)的馬氏鏈必為正常返的。證設I={0,1,

,N},如I全是非常返狀態(tài),則對任意i,j

I,由定理4.13知故矛盾。推論1有限狀態(tài)的馬氏鏈,不可能全是非常返狀態(tài),也不可能含如I含有零常返狀態(tài)i,則C={j:i

j}是有限不可約閉集,由定理4.10知,C中均為零常返狀態(tài),由定理4.13知,由引理4.5知所以如I含有零常返狀態(tài)i,則C={j:ij}是有限不可約閉集,推論2如馬氏鏈有一個零常返狀態(tài),則必有無限多個零常返狀態(tài)。證設i為零常返狀態(tài),則C={j:i

j}是不可約閉集,C中均為零常返狀態(tài),故C不能是有限集。否則,推論2如馬氏鏈有一個零常返狀態(tài),則必有

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論