1
Procesy stochastyczne
WYKŁAD 4
Dyskretny proces Markowa
Rozpatrujemy proces stochastyczny Xt, w którym
parametr t jest ciągły (zwykle t 0).
Będziemy zakładać, że zbiór stanów jest co najwyżej przeliczalny.
2
Proces Xt, jest procesem Markowa, jeśli dla
dowolnego n, dla dowolnych chwil czasu
t0 < t1 < ...< tn, oraz dowolnych stanów fazowych
x, y, x0, ..., xn spełniona jest zależność:
X y X x
P x X x X x X y X P n n n n n t t t n t t t 1 0 2 1 , 2,..., 03
Proces Markowa jest jednorodny w czasie, jeżeli dla dowolnych stanów x, y oraz chwil czasu t1 < t2
mamy
,
,
2 1
1 2y
X
x
p
x
y
t
t
X
P
t
t
co oznacza, że prawdopodobieństwo przejścia ze stanu x do stanu y w czasie od momentu t1 do momentu t2 zależy tylko od różnicy t2 - t1, a nie zależy od momentu wyjściowego t1 (w szczególności może to być zawsze chwila 0). .
4 Przyjmijmy oznaczenie
X j X i
p
t P t t ij n 0 , gdzie t = tn - t0, tn > t0.5
Niech P(t) = [pij(t)] stochastyczna macierz
przejścia i, j = 0, 1, ..., N (dla skończonej liczby stanów). ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( 1 0 1 11 10 0 01 00 t p t p t p t p t p t p t p t p t p t P NN N N N N
6 Zależność
k kj ik ij s t p t p s p ( ) ( ) ( ) nazywamy równaniem Chapmana - Kołmogorowa.Wynika z niej, że
)
(
)
(
)
(
)
(
)
(
s
t
P
s
P
t
P
t
P
s
P
7
Uwaga.
Niech p
i(t) = P(X
t= i) - prawdopodobieństwo,
że w chwili t proces znajdzie się w stanie i.
Takie prawdopodobieństwa nazywamy niekiedy prawdopodobieństwami całkowitymi (p. poniższa własność).
Wtedy
N j ji j it
p
p
t
p
0)
(
)
0
(
)
(
8
Niech
p(t) = (p
0(t), p
1(t), ... , p
N(t))
(rozkład procesu w chwili t)
9
Zakładamy, że funkcje pij(t) są ciągłe w punkcie
t = 0. dla j i i j dla t pij t 0 1 ) ( lim 0
Wtedy są ciągłe w dowolnym innym punkcie. Istnieje też (chociaż może być nieskończona) granica ) 0 ( ) ( 1 lim ' 0 ii ii t t p t p
oraz skończona granica
) 0 ( ) ( lim ' 0 ij ij t t p t p
10
Dla wygody przyjmiemy oznaczenia
ij ij
p' (0)
ij
nazywamy intensywnościami przejścia zestanu i do stanu j gdy j i ,
11
Dalej będziemy rozpatrywali jednorodne procesy Markowa, dla których wszystkie intensywności są skończone.
12
Określamy macierz intensywności o
elementach równym intensywnościom ij (dla
skończonej liczby stanów)
NN N N N N
1 0 1 11 10 0 01 00 tzn. P( 0 )13
Własności macierzy intensywności
a) ii 0, wyrazy na głównej
przekątnej są niedodatnie,
b) ij 0 dla i j wyrazy poza przekątną
są nieujemne. c) 0
j ij
suma wyrazów każdego
14 dowód c) 1 ) ( j ij t p stąd ( ) ( )10 t p t p ii i j ij | : t 0 1 ) ( ) ( t t p t t p ii i j ij zatem ( ) 1 0 ) ( lim 0 t t p t t p ii i j ij t czyli
0 ii i j ij 15
Macierzą intensywności nazywamy każdą macierz taką, że:
a) elementy pozadiagonalne są nieujemne, b) elementy diagonalne są niedodatnie,
16 Twierdzenie.
Macierz intensywności ma zawsze wartość własną równą 0.
17
Przyjmując p(t) = [p0(t), p1(t), ...] (wektor
rozkładu procesu w momencie t) i macierz
możemy układ równań Kołmogorowa zapisać w postaci wektorowej:
p'(t) = p(t)
czyli
dt
p
(
t
)
p
(
t
)
18
Rozwiązanie tego równania ma postać t
e
p
t
19 Przykład.
Narysować graf i wyznaczyć równania
prospektywne Kołmogorowa procesu Markowa o macierzy intensywności: 7 4 3 1 2 1 0 2 2
20
0
1
1
2
4 2 1 321 ) ( 7 ) ( ) ( ) ( 4 ) ( 2 ) ( 2 ) ( ) ( 3 ) ( ) ( 2 ) ( 2 1 2 2 1 0 1 2 1 0 0 t p t p dt t dp t p t p t p dt t dp t p t p t p dt t dp
22
W prostych przypadkach rozwiązanie układu równań
p'(t) = p(t)
23 Przykład.
System może być sprawny (stan 0) lub uszkodzony (stan 1). System psuje się z intensywnością i jest naprawiany z intensywnością .
Przyjmijmy, że rozkład początkowy ma postać [1, 0]. Narysujemy graf procesu i jego macierz intensywności. Rozwiązując równanie Kołmogorowa wyznaczymy wektor p(t) i rozkład graniczny.
24
0
1
= ?
25
26
Układ p'(t) = p(t) zapisujemy po współrzędnych w postaci ) ( ) ( ) ( ) ( ) ( ) ( 1 0 1 1 0 0 t p t p t p t p t p t p
27 Podstawiając ) ( 1 ) ( 0 1 t p t p i otrzymujemy równanie
28 ( ) ( ) 0( ) 0 t p t p
29 ( ) ( ) 0( ) 0 t p t p
Jest to równanie różniczkowe liniowe niejednorodne (RN) równanie jednorodne (RJ) 0 ) ( ) ( ) ( 0 0 t p t p
Ma rozwiązanie ogólne postaci
t
Ce t
p0( ) () RORJ
RSRN wyznaczamy metodą przewidywania (stała) Otrzymamy ) ( 0 t p RSRN zatem Ce t t p0( ) ( ) RORN
30 Ce t t p0( ) ( ) RORN
Uwzględniając warunek początkowy p0(0) =1
31 Otrzymamy C = Zatem e t t p0( ) ( ) Oraz e t t p1( ) ( )
32
Prawdopodobieństwa graniczne są równe
= ;
33
W prostych przypadkach rozwiązanie układu równań
p'(t) = p(t)
można wyznaczyć metodą przekształcenia Laplace'a.
34 Przykład.
System składa się z jednego elementu podstawowego i dwóch elementów zapasowych. Element podstawowy jest obciążony i psuje się z intensywnością . Elementy zapasowe są nieobciążone i nie psują się. Gdy popsuje się element podstawowy jego funkcje przejmuje element zapasowy i wtedy psuje się z intensywnością . System przestaje pracować z chwilą popsucia się wszystkich elementów.
Niech X(t) będzie procesem oznaczającym liczbę zepsutych elementów w czasie t.
Przyjmijmy, że rozkład początkowy ma postać
[1, 0 ,0, 0].
Narysujemy graf procesu i jego macierz intensywności. Rozwiązując równanie Kołmogorowa wyznaczymy wektor p(t) i rozkład graniczny.
35
0
1
2
3
36 0 0 0 0 0 0 0 0 0 0
37
Układ p'(t) = p(t) zapisujemy po współrzędnych w postaci ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( 2 3 2 1 2 1 0 1 0 0 t p t p t p t p t p t p t p t p t p t p
38
Pochodne transformujemy wg wzoru:
) 0 ( ) ( ˆ s f f s (t) f
39 ) ( ˆ ) ( ˆ ) ( ˆ ) ( ˆ ) ( ˆ ) ( ˆ ) ( ˆ ) ( ˆ ) ( ˆ 1 ) ( ˆ 2 3 2 1 2 1 0 1 0 0 s p s p s s p s p s p s s p s p s p s s p s p s
40
Rozwiązując otrzymany układ równań
wyznaczamy oryginały (retransformaty) na podstawie zależności 1 ) ( 1 ! n t n s e n t
(w szczególności et s1 )41
) ( ) ( ) ( 1 ) ( ; 2 ) ( ; ) ( ; ) ( 2 1 0 3 2 2 1 0 t p t p t p t p e t t p te t p e t p t t t 42
Zauważmy, że prawdopodobieństwo, że w chwili t układ pracuje wynosi
1
e
t .Prawdopodobieństwa graniczne są równe = [0, 0, 0, 1].
43
Rozkład graniczny (stacjonarny), ergodyczność dla procesów Markowa.
)
(
lim
)
(
p
t
p
t
0,
1,
....,
N
44 Twierdzenie.
Rozkład graniczny nie zależy od rozkładu
początkowego macierz intensywności ma jednokrotną wartość własną równą 0.
45 Twierdzenie.
Jeśli X(t) jest procesem Markowa o skończenie wielu stanach oraz istnieje chwila t taka, że wszystkie wyrazy macierzy przejścia są dodatnie, to istnieją granice prawdopodobieństw przejścia
j t ij
t
p
)
(
lim
niezależne od stanu wyjściowego i, są dodatnie i mają sumę równą 1.
Prawdopodobieństwa te nazywamy prawdopodobieństwami ergodycznymi.
Proces Markowa, dla którego istnieją prawdopodobieństwa ergodyczne nazywamy
46 Twierdzenie.
Jeśli skończona macierz intensywności ma poza przekątną tylko dodatnie elementy to proces ten jest ergodyczny i ma dodatnie prawdopodobieństwa graniczne.
47 Twierdzenie.
Rozkład graniczny jest niezerowym
rozwiązaniem układu = 0 spełniającym
warunek unormowania (suma składowych jest równa 1).
48 Twierdzenie.
Rozkład graniczny można wyznaczyć za
pomocą dopełnień algebraicznych Mkk elementów z przekątnej macierzy -:
k kk jj jM
M
49 Przykład.
Narysować graf i wyznaczyć rozkład graniczny procesu Markowa o macierzy intensywności:
6 4 2 1 3 2 3 2 5
50
0
1
1
2
4 2 2 3 251