Изменения

Перейти к: навигация, поиск

Марковская цепь

1750 байт добавлено, 05:19, 17 января 2012
Состояния: вроде нормальная классификация
== Состояния ==
Состояния марковской цепи делятся на два класса: ''поглощающие'' (''существенные'') и ''непоглощающие'' (''несущественные'').{{Определение | definition =Состояние <tex> p_{ij}^{(n)} </tex> {{---}} вероятность попасть из состояния <tex> i </tex> называют '''поглощающим (существенным)''', если в состояние <tex> j </tex> за <tex> p_{ii} = 1 n </tex>. Все остальные состояния называют '''непоглощающими (несущественными)'''переходов.
}}
 
{{Определение
|definition=
Состояние <tex> j </tex> '''достижимо''' из состояния <tex> i </tex>, если существует такое <tex> n </tex>, что <tex> p_{ij}^{(n)} > 0 </tex>. Достижимость <tex> j </tex> из <tex> i </tex> обозначается <tex> i \rightarrow j </tex>. <br>
Состояния '''сообщаются''', если они достижимы друг из друга.
}}
 
{{Определение
|definition=
'''Неразложимый класс''' {{---}} класс эквивалентности множества состояний по отношению сообщаемости. Если представить Марковскую цепь как граф, неразложимый класс будет аналогичен компоненте сильной связности. <br>
'''Неразложимая цепь''' {{---}} цепь Маркова, в которой все состояния образуют один неразложимый класс.
}}
 
{{Определение
|definition=
Упорядочим (очевидно, упорядочение будет частичным) неразложимые классы отношением достижимости. Минимальные элементы в таком упорядочении называются '''эргодическими классами'''. Состояния в эргодических классах называются '''эргодическими''', '''возвратными''', или '''существенными'''. Если эргодический класс состоит из одного состояния, такое состояние называется '''поглощающим'''.<br>
Из свойств частичного упорядочения, в любой цепи Маркова найдется хотя бы один эргодический класс. <br>
Все остальные неразложимые классы называются '''невозвратными классами'''. Состояния, входящие в них, называются '''невозвратными''' или '''несущественными'''.
}}
 
В примере на рисунке поглощающими являются состояния 3 и 4, а непоглощающими {{---}} 1 и 2.
 
Вероятность того, что через <tex> r </tex> шагов марковская цепь будет находиться в состоянии <tex> j </tex> равна <tex dpi = 150> c_{rj} = (c_0 P^r) [j] </tex>
== Смотри также ==

Навигация