Расчёт вероятности поглощения в состоянии
Поглощающее(существенное) состояние цепи Маркова — состояние с вероятностью перехода в самого себя
. Составим матрицу , элементы которой равны вероятности того, что, выйдя из , попадём в поглощающее состояние .Теорема: |
, где — фундаментальная матрица, и — матрица перехода из несущественных состояний в существенные. |
Доказательство: |
Пусть этот переход будет осуществлён за Матрица шагов: → → → → → j, где все являются несущественными. Тогда рассмотрим сумму , где — матрица переходов между несущественными состояниями, — из несущественного в существенное. определяется их суммированием по всем длинам пути из i в j: , т.к. , а фундаментальная матрица марковской цепи |
Псевдокод
Выведем ответ: в
-ой строке вероятность поглощения в -ом состоянии. Естественно, для несущественного состояния это , в ином случае где — номер соответствующий -ому состоянию в матрице (т.е. под которым оно располагалось в матрице т.е. значение ). Прибавлять нужно т.к. вероятность поглотиться в -ом поглощающем состоянии, оказавшись изначально в нем же равна .- — вероятность поглощения в -ом состоянии
- — является ли i-е состояние поглощающим
float[] getAbsorbingProbability(absorbing: boolean[n], G: float[n][n]): float probability[n] for i = 0 to n - 1 int prob = 0 if absorbing[i] for j = 0 to nonabs - 1 prob += G[j][position[i]] prob++ prob /= n probability[i] = prob return probability