МАРК РЕГНЕРУС ДОСЛІДЖЕННЯ: Наскільки відрізняються діти, які виросли в одностатевих союзах
РЕЗОЛЮЦІЯ: Громадського обговорення навчальної програми статевого виховання ЧОМУ ФОНД ОЛЕНИ ПІНЧУК І МОЗ УКРАЇНИ ПРОПАГУЮТЬ "СЕКСУАЛЬНІ УРОКИ" ЕКЗИСТЕНЦІЙНО-ПСИХОЛОГІЧНІ ОСНОВИ ПОРУШЕННЯ СТАТЕВОЇ ІДЕНТИЧНОСТІ ПІДЛІТКІВ Батьківський, громадянський рух в Україні закликає МОН зупинити тотальну сексуалізацію дітей і підлітків Відкрите звернення Міністру освіти й науки України - Гриневич Лілії Михайлівні Представництво українського жіноцтва в ООН: низький рівень культури спілкування в соціальних мережах Гендерна антидискримінаційна експертиза може зробити нас моральними рабами ЛІВИЙ МАРКСИЗМ У НОВИХ ПІДРУЧНИКАХ ДЛЯ ШКОЛЯРІВ ВІДКРИТА ЗАЯВА на підтримку позиції Ганни Турчинової та права кожної людини на свободу думки, світогляду та вираження поглядів Контакти
Тлумачний словник |
|
|||||||
Марківські випадкові процесиЗалежно від того, неперервна або дискретна множина являє собою область можливих значень випадкового процесу й область визначення параметра , розрізняють чотири основних види марківських процесів: марківські кола (область значень і область визначення – дискретні множини), марківські послідовності (область значень – неперервна множина, а область визначення – дискретна), дискретні марківські процеси (область значень – дискретна, а область визначення – неперервна множина) і неперервнозначні марківські процеси (область значень і область визначення – неперервні множини). Крім чотирьох основних видів, можливі більш складні (змішані) види марківських процесів. Для всіх можливих видів області значень і області визначеннявипадковий процесназивається марківським процесом, якщо при фіксованому випадкові величини , не залежать від . Таким чином, визначальна властивість всіх видів марківських процесів полягає в тому, що випадковий процес є марківським, якщо для будь-яких моментів часу на відрізку умовна функція розподілу «останнього» значення при фіксованих значеннях залежить тільки від . Наприклад, для трьох моментів часу справедливе співвідношення . (50) Тому говорять, що, якщо точно відомий стан марківського процесу в даний момент часу , то майбутній стан (при ) не залежить від минулого стану (при ). Як визначення марківського процесу можна також прийняти наступне співвідношення, що має симетричний вигляд щодо часу . Такий запис означає, що при фіксованому стані процесу в даний момент часу майбутній (при ) і минулий (при ) стани є незалежними. З наведених визначень слідує, що n-мірна щільність ймовірності (функція розподілу) марківських процесів, що дає повний опис випадкового процесу, може бути представлена у вигляді . (51) Це означає, що будь-який n-мірний розподіл марківського процесу може бути знайдений по формулі (51), якщо відомі одномірний розподіл процесу й умовні щільності ймовірності (або ймовірності). Тобто вичерпний опис марківського процесу досягається завданням його двовимірної ЩРІ . (52) Розглянемо як приклад коло Маркова, що характеризується тим, що випадковий процес може приймати кінцеве число дискретних значень . Значення процесу стрибкоподібно змінюється в дискретні моменти часу ( ), які носять випадковий характер, тобто мають місце переходи де значення процесу через п кроків, а початкове значення. Передбачається, що ймовірнісні закони зміни випадкового процесу на кожному кроці з будь-якого стану в будь-який інший стан відомі. Характерна властивість простого кола Маркова полягає в тому, що ймовірність значення процесу в момент часу залежить лише від того, яке значення мав процес у безпосередньо попередній момент часу й не залежить від значень процесу в більш ранні моменти часу . (53) Складне марківське коло порядку т характеризується тим, що ймовірність нового значення процесу залежить від т значень, безпосередньо йому попередніх. Оскільки складне коло Маркова зводиться до простого для т-мірного вектора, звичайно обмежуються розглядом простого кола. Для простого кола спільні кінцевомірні ймовірності визначаються формулою . (54) Умовні ймовірності називаються ймовірностями переходу зі стану в стан у момент часу . Основне завдання в теорії простих марківських кіл полягає в визначенні ймовірності значень процесу в довільний момент часу . При цьому повинне бути задане початкове значення процесу в момент і ймовірнісний закон зміни значень процесу між всіма можливими значеннями (ймовірності переходу). Уведемо наступні позначення для вектора-стовпця безумовних і матриці умовних ймовірностей: ; , (55) де Величина є безумовна ймовірність значення на n-му кроці (у момент часу ), а умовна ймовірність визначає ймовірність значення при , якщо в більш ранній момент часу значення процесу дорівнювало . Уведені ймовірності ненегативні й задовольняють умові нормування (56) . (57) На підставі правила повної ймовірності для уведених ймовірностей можна написати рівняння Маркова , (58) . (59) Розписуючи послідовно формулу (59), одержимо . (60) Звідси видно, що для визначення матриці при всіх достатньо знати послідовність матриць однокрокових ймовірностей переходу. З урахуванням співвідношень (58) – (60) і (54) робимо висновок, що для повного ймовірнісного опису простого кола Маркова необхідно знати ймовірності початкового стану й послідовність матриць ймовірностей переходу. Приклад. Нехайсистема зв'язку передає двійкові символи й . Кожний переданий символ проходить через кілька каскадів, у кожному з яких вихідний символ з імовірністю відтворюється вірно й з імовірністю переходить в іншій. Потрібно визначити ймовірність того, що якщо на виході n-го каскаду спостерігається символ , то на вході був той же символ. Нехай символ на виході n-го каскаду. Тоді послідовність є коло Маркова з ймовірностями початкових станів , , де , і матрицею ймовірностей переходу . У загальному випадку на підставі теореми множення ймовірностей можемо записати або . Звідси . При , одержуємо шуканий результат . Як найпростіший марківський процес можна трактувати постійну величину , для якої . У такому тривіальному випадку й . Основну роль при формуванні більш складних марківських процесів грає процес Вінера. Вінерівський процес визначається через білий гауссівський шум за допомогою диференціального рівняння , (61) де гауссівський стаціонарний процес із нульовим математичним сподіванням і дельтоподібною кореляційною функцією . Рівняння (61) можна інтерпретувати і як визначення білого шуму через вінерівський процес або . (62) Оскільки процес виражається через білий гауссівский шум, тому вінерівский процес є гауссівским. З (62) слідує, що , . Одномірна щільність ймовірності має вигляд . (63) Отже, вінерівский процес є гауссівським нестаціонарним процесом з нульовим математичним сподіванням і дисперсією, пропорційною часу. Реалізації цього процесу з зростанням часу усе більш й більш розкидані (розпливаються уздовж осі щодо свого нульового математичного сподівання), тому його часто називають дифузійним процесом. Покажемо, що вінерівський процес є марківським. По теоремі множення ймовірностей тривимірну щільність завжди можна представити у вигляді . Нехай , тоді з (62) маємо . Видно, що при фіксованому значення не залежить від і . Тому . Шляхом таких же міркувань можна переконатися, що для щільностей ймовірності вищих порядків виконується аналогічне співвідношення, що виражає визначальну властивість марківського процесу. НА НАСТУПНОМУ ПРАКТИЧНОМУ ЗАНЯТТІ МКР № 1.
|
||||||||
|