Известные фразы
Наука требует всего человека, без задних мыслей, с готовностью все отдать и в награду получить тяжелый крест трезвого знания. (Герцен)
Вычислительная математика
Информатика и вычислительная техника. Моделирование
|
||
<< В начало | < Предыдущая | Содержание | Следующая > | В конец >> |
|
для всех и n . Эта задача представляет существенную трудность. Однако, многие вероятностные процессы допускают более простое описание. В основе классификации вероятностных процессов лежат три характеристики: пространство состояний; индексирующий параметр (время); статистические зависимости между случайными значениями процесса x (t ) для разных значение времени. Пространство состояний - это множество всех возможных состояние процесса t (x ). Если множество состояние конечно или счетно, мы имеем дело о дискретным процессам, который часто называется цепью. Если множество состояний имеет мощность континуума, то процесс непрерывный. Если изменения состоянии процесса допускаются в конечном или счетном числе моментов времени, имеет место процесс о дискретным временем. Если множество значений времени имеет мощность континуума, имеет место процесс с непрерывным временем. Вероятностный процесс называется стационарным, если функция распределения инвариантна относительно сдвигов во времени для всех значений ее аргументов. В 1907 г. А.А.Марков опубликовал работу, в которой были определены и исследованы процессы» известные сейчас под названием марковских. Эти процессы занимают центральное место в теории СМО. Стационарный процесс с дискретным пространством состояний называется цепью Маркова. Наиболее простая - цепь Маркова о дискретным временем. Множество случайных величин образует цепь Маркова, если вероятность того, что следующее состояние равно xn +1 , зависит только от текущего состояния xn и не зависит от предыдущих значений параметров процесса. Таким образом, процесс Маркова лишен памяти. Иначе говорят, что он лишен последействия. Изменения состояний в цепи Маркова с дискретным временем можно полагать происходящими при целых значениях времени. Пусть в какой-то момент времени цепь находится в состоянии i . В следующий момент времени с вероятностью Pij она останется в этом состоянии и с вероятностью 1- Pij покинет его. Здесь и далее принято: Pij (n )=P [xn +1=i /xn =j ]. Если вероятности Pij (n ) не зависят от времени, т.е. Pij (n )= Pij , то вероятность того, что процесс находился в состоянии i ровно K моментов времени равна . Это есть геометрическое распределение, которое единственное из дискретных имеет свойство отсутствия последействия. Для цепи Маркова с непрерывным временем на первый план выступает экспоненциальное распределение, которое, как известно из курса теории вероятностей, также не имеет последействия.
<< В начало | < Предыдущая | Содержание | Следующая > | В конец >> |
Случайный фрагмент
Известные фразыНаука требует всего человека, без задних мыслей, с готовностью все отдать и в награду получить тяжелый крест трезвого знания. (Герцен) |