Теорема о поглощении — различия между версиями

Материал из Викиконспекты
Перейти к: навигация, поиск
м
(не показано 18 промежуточных версий 4 участников)
Строка 1: Строка 1:
{{Утверждение
 
|statement=Состояние является поглощающим(сюда ссылку на определение поглощающего состояния) тогда и только тогда, когда <tex> p_{ii} = 1</tex>.
 
}}
 
 
 
{{Определение
 
{{Определение
 
|definition=
 
|definition=
Квадратные матрицы, для которых выполняются следующие условия:
+
Матрицу <tex>Q</tex> называют '''непоглощающей''' (англ. ''not-absorbing''), если она не содержит поглощающих состояний. То есть <tex>q_{ii} \neq 1, \forall i </tex>
:<tex>0 < p_{ij} < 1</tex>
 
:<tex>\sum\limits_{j = 1}^{k} p_{ij} = 1 ~~~ (i = 1, 2, ..., k)</tex>
 
называются '''стохастическими'''.
 
 
}}
 
}}
  
 
{{Определение
 
{{Определение
 
|definition=
 
|definition=
'''Канонической формой матрицы цепи Маркова''', является матрица вида:
+
Стохастическую матрицу с <tex>r</tex> [[Марковская цепь#Поглощающая цепь|поглощающими состояниями]] и <tex>t</tex> непоглощающими, можно перевести в '''каноническую форму''' (англ. ''canonical form''):
 
<tex>P = \begin{pmatrix}
 
<tex>P = \begin{pmatrix}
 
Q & R \\         
 
Q & R \\         
 
0 & I
 
0 & I
\end{pmatrix}</tex>
+
\end{pmatrix}</tex> ,
где I - единичная матрица, 0 –нулевая матрица, R ненулевая поглощающая матрица и Q - непоглощающая.
+
 
 +
где <tex>I</tex> — единичная матрица (<tex>r \times r</tex>), <tex>0</tex> — нулевая матрица (<tex>r \times t</tex>), <tex>R</tex> — ненулевая поглощающая матрица (<tex>t \times r</tex>) и <tex>Q</tex> — непоглощающая (<tex>t \times t</tex>). Первые <tex>t</tex> состояний переходные и последние <tex>r</tex> состояний поглощающие.
 
}}
 
}}
  
Строка 24: Строка 18:
 
Теорема
 
Теорема
 
|about=о поглощении
 
|about=о поглощении
|statement=Если цепь поглощающая, то с вероятностью, равной 1, она перейдет в поглощающее состояние.
+
|statement=Если цепь поглощающая, то с вероятностью, равной <tex>1</tex>, она перейдет в [[Марковская цепь#Поглощающая цепь№|поглощающее состояние]].
  
 
|proof=
 
|proof=
Пусть <tex>P</tex> - [[Марковская цепь|матрица переходов]], где элемент <tex>p_{ij}</tex> равен вероятности перехода из <tex>i</tex>-го состояния в <tex>j</tex>-ое. Она будет выглядеть как матрица из 4-х блоков, где <tex>Q</tex> - непоглощающие состояния, а <tex>R</tex> и <tex>I</tex> - поглощающие (т.к. цепь поглощающая, то из любого непоглощающего можно попасть в поглощающее). <tex>I</tex> - единичная матрица.
+
Пусть <tex>P</tex> [[Марковская цепь|матрица переходов]], где элемент <tex>p_{ij}</tex> равен вероятности перехода из <tex>i</tex>-го состояния в <tex>j</tex>-ое. Приведем ее в каноническую форму:
  
  
Строка 36: Строка 30:
  
  
Пусть вектор <tex>c^{(t)}</tex> - вектор вероятности нахождения на шаге <tex>t</tex>.
+
Пусть вектор <tex>c^{(t)}</tex> вектор вероятности нахождения на шаге <tex>t</tex>.
 
Он вычисляется, как произведение вектора на нулевом шаге на матрицу перехода в степени <tex>t</tex>.  
 
Он вычисляется, как произведение вектора на нулевом шаге на матрицу перехода в степени <tex>t</tex>.  
 
<tex> c^{(t)} = c^{(0)} \times P^t</tex>
 
<tex> c^{(t)} = c^{(0)} \times P^t</tex>
Строка 65: Строка 59:
 
\end{pmatrix}</tex> .
 
\end{pmatrix}</tex> .
  
Произведение единичной матрицы на саму себя есть единичная матрица (<tex>I \times I = I</tex>); <tex>X</tex> - некоторые значения (не важны для доказательства теоремы, т.к. чтобы доказать теорему достаточно доказать, что непоглощающие состояния стремятся к 0).
+
Произведение единичной матрицы на саму себя есть единичная матрица (<tex>I \times I = I</tex>); <tex>X</tex> некоторые значения (не важны для доказательства теоремы, так как чтобы доказать теорему достаточно доказать, что непоглощающие состояния стремятся к 0).
  
Продолжив вычисления, получим, что <tex>P^n</tex> имеет такой вид: <tex>\begin{pmatrix}
+
Продолжив вычисления, получим, что <tex>P^n</tex> имеет следующий вид: <tex>\begin{pmatrix}
 
Q^n & X \\         
 
Q^n & X \\         
 
0 & I
 
0 & I
Строка 75: Строка 69:
  
  
Рассмотрим путь из i-го состояния в поглощающее, равное <tex>m_i</tex>. Пусть <tex>p<1</tex> - вероятность того, что через <tex>m_i</tex> шагов из шага <tex>i</tex> не попадет в поглощающее состояние.
+
Рассмотрим путь из <tex>i</tex>-го состояния в поглощающее состояние <tex>j</tex>. Пусть мы совершили <tex>m</tex> шагов из состояния <tex>i</tex>, тогда обозначим <tex>p_{m}</tex> вероятность попасть в поглощающее состояние <tex>j</tex> за такое количество шагов. Заметим, что <tex>p_{m} < 1</tex>
Пусть <tex>m = max(m_i)</tex>, а <tex>p = max(p_i)< 1</tex>
+
 
 +
Теперь обобщим в большую сторону для любого количества шагов: пусть <tex>p = \max(p_{m})< 1</tex>. В таком случае <tex>p</tex> — наибольшая вероятность попасть в поглощающее состояние <tex>j</tex>, совершив при этом не более чем <tex>m</tex> шагов.
 +
 
 +
Тогда вероятность перехода в состояние <tex>j</tex> на шаге <tex>m</tex> равна <tex>p_{m} = \sum\limits_{j} {q^{m}_{ij}}</tex>, где  <tex>q_{ij}^{m}</tex> — элемент матрицы <tex>Q^{m}</tex>.
  
Тогда получаем: <tex>\sum_{j} {Q^m_{ij}}\leqslant p</tex> <tex>\Rightarrow</tex> <tex>\sum_{j} {Q^{mk}_{ij}}\leqslant p^k\xrightarrow{k\xrightarrow{}+\infty}0</tex>
+
В то же время, <tex>\sum\limits_{j} {q^m_{ij}}\leqslant p</tex> потому что <tex>p_{m} \leqslant p, \forall m</tex> по условию обозначения <tex>p</tex>. Возведем обе части в степень <tex>k \rightarrow \infty</tex>, получим:  <tex>\sum\limits_{j} {q^{mk}_{ij}}\leqslant p^k\xrightarrow{k\xrightarrow{}+\infty}0</tex>
  
В итоге получаем, что непоглощающие состояния стремятся к <tex>0</tex>, а значит поглощающие в итоге приходят к <tex>1</tex>, т.е. цепь приходит в поглощающее состояние.
+
В итоге получаем, что непоглощающие состояния стремятся к <tex>0</tex>, а значит поглощающие в итоге приходят к <tex>1</tex>, то есть цепь приходит в поглощающее состояние.
 
}}
 
}}
 +
 +
== См.также ==
 +
* [[Марковская цепь]]
 +
* [[Эргодическая марковская цепь]]
 +
* [[Регулярная марковская цепь]]
 +
 +
== Источники информации ==
 +
* ''Дж. Кемени, Дж. Снелл'' — "Конечные цепи Маркова", издание "Наука", 1970г., стр. 62
  
 
[[Категория:Дискретная математика и алгоритмы]]
 
[[Категория:Дискретная математика и алгоритмы]]
  
 
[[Категория: Марковские цепи ]]
 
[[Категория: Марковские цепи ]]

Версия 17:30, 18 марта 2018

Определение:
Матрицу [math]Q[/math] называют непоглощающей (англ. not-absorbing), если она не содержит поглощающих состояний. То есть [math]q_{ii} \neq 1, \forall i [/math]


Определение:
Стохастическую матрицу с [math]r[/math] поглощающими состояниями и [math]t[/math] непоглощающими, можно перевести в каноническую форму (англ. canonical form):

[math]P = \begin{pmatrix} Q & R \\ 0 & I \end{pmatrix}[/math] ,

где [math]I[/math] — единичная матрица ([math]r \times r[/math]), [math]0[/math] — нулевая матрица ([math]r \times t[/math]), [math]R[/math] — ненулевая поглощающая матрица ([math]t \times r[/math]) и [math]Q[/math] — непоглощающая ([math]t \times t[/math]). Первые [math]t[/math] состояний переходные и последние [math]r[/math] состояний поглощающие.


Теорема (о поглощении):
Если цепь поглощающая, то с вероятностью, равной [math]1[/math], она перейдет в поглощающее состояние.
Доказательство:
[math]\triangleright[/math]

Пусть [math]P[/math]матрица переходов, где элемент [math]p_{ij}[/math] равен вероятности перехода из [math]i[/math]-го состояния в [math]j[/math]-ое. Приведем ее в каноническую форму:


[math]P = \begin{pmatrix} Q & R \\ 0 & I \end{pmatrix}[/math]


Пусть вектор [math]c^{(t)}[/math] — вектор вероятности нахождения на шаге [math]t[/math]. Он вычисляется, как произведение вектора на нулевом шаге на матрицу перехода в степени [math]t[/math]. [math] c^{(t)} = c^{(0)} \times P^t[/math] Рассмотрим, что представляет из себя возведение матрицы [math]P[/math] в степень:


Для [math]t = 2[/math] :

[math]P^{2} = \begin{pmatrix} Q & R \\ 0 & I \end{pmatrix} \times \begin{pmatrix} Q & R \\ 0 & I \end{pmatrix} = \begin{pmatrix} Q \times Q + R \times 0 & Q \times R + R \times I \\ 0 \times Q + I \times 0 & 0 \times R + I \times I \end{pmatrix} = \begin{pmatrix} Q^2 & X \\ 0 & I \end{pmatrix}[/math] .

Произведение единичной матрицы на саму себя есть единичная матрица ([math]I \times I = I[/math]); [math]X[/math] — некоторые значения (не важны для доказательства теоремы, так как чтобы доказать теорему достаточно доказать, что непоглощающие состояния стремятся к 0).

Продолжив вычисления, получим, что [math]P^n[/math] имеет следующий вид: [math]\begin{pmatrix} Q^n & X \\ 0 & I \end{pmatrix}[/math] .

Докажем, что [math]Q^n \xrightarrow{} 0[/math], при [math] n\xrightarrow{}+\infty[/math].


Рассмотрим путь из [math]i[/math]-го состояния в поглощающее состояние [math]j[/math]. Пусть мы совершили [math]m[/math] шагов из состояния [math]i[/math], тогда обозначим [math]p_{m}[/math] — вероятность попасть в поглощающее состояние [math]j[/math] за такое количество шагов. Заметим, что [math]p_{m} \lt 1[/math]

Теперь обобщим в большую сторону для любого количества шагов: пусть [math]p = \max(p_{m})\lt 1[/math]. В таком случае [math]p[/math] — наибольшая вероятность попасть в поглощающее состояние [math]j[/math], совершив при этом не более чем [math]m[/math] шагов.

Тогда вероятность перехода в состояние [math]j[/math] на шаге [math]m[/math] равна [math]p_{m} = \sum\limits_{j} {q^{m}_{ij}}[/math], где [math]q_{ij}^{m}[/math] — элемент матрицы [math]Q^{m}[/math].

В то же время, [math]\sum\limits_{j} {q^m_{ij}}\leqslant p[/math] потому что [math]p_{m} \leqslant p, \forall m[/math] по условию обозначения [math]p[/math]. Возведем обе части в степень [math]k \rightarrow \infty[/math], получим: [math]\sum\limits_{j} {q^{mk}_{ij}}\leqslant p^k\xrightarrow{k\xrightarrow{}+\infty}0[/math]

В итоге получаем, что непоглощающие состояния стремятся к [math]0[/math], а значит поглощающие в итоге приходят к [math]1[/math], то есть цепь приходит в поглощающее состояние.
[math]\triangleleft[/math]

См.также

Источники информации

  • Дж. Кемени, Дж. Снелл — "Конечные цепи Маркова", издание "Наука", 1970г., стр. 62