Теорема о поглощении — различия между версиями

Материал из Викиконспекты
Перейти к: навигация, поиск
(Новая страница: «== Формулировка теоремы == '''Формулировка''' С вероятностью, равной 1, марковская цепь перей…»)
 
Строка 7: Строка 7:
 
'''Альтернативная формулировка'''
 
'''Альтернативная формулировка'''
  
Пусть '''''P''''' - матрица переходов, где элемент <math>p_{ij}</math> равен вероятности перехода из i-го состояния в j-ое, а  <math>p^{(t)}</math> вектор вероятностей нахождения в определенном состоянии на шаге ''t'', тогда, если все элементы матрицы переходных состояний '''''P''''' положительны, то при ''t'' , стремящимся к бесконечности, вектор <math>p^{(t)}</math> стремится к вектору <math>\bar p</math>, являющемуся единственному решению системы <math>p \times P</math> <math>=</math> <math> p </math>
+
Пусть '''''P''''' - матрица переходов, где элемент <tex>p_{ij}</tex> равен вероятности перехода из i-го состояния в j-ое, а  <tex>p^{(t)}</tex> вектор вероятностей нахождения в определенном состоянии на шаге ''t'', тогда, если все элементы матрицы переходных состояний '''''P''''' положительны, то при ''t'' , стремящимся к бесконечности, вектор <tex>p^{(t)}</tex> стремится к вектору <tex>\bar p</tex>, являющемуся единственному решению системы <tex>p \times P=p </tex>
  
  
 
== Доказательство теоремы ==
 
== Доказательство теоремы ==
  
Обозначим через ''d'' минимальный элемент матрицы '''''P''''' (''d''>0). Введем функцию ''f'', переводящую вероятностный вектор в другой: <math>f=p \times P</math>. Отображение ''f'' сжимающиеся, т.е. отношение "расстояния" между ''f(p)'' и ''f(q)'' к расстоянию между векторами p и q не превосходит, некоторого ''R'' (''R''<1).
+
Обозначим через ''d'' минимальный элемент матрицы '''''P''''' (''d''>0). Введем функцию ''f'', переводящую вероятностный вектор в другой: <tex>f=p \times P</tex>. Отображение ''f'' сжимающиеся, т.е. отношение "расстояния" между ''f(p)'' и ''f(q)'' к расстоянию между векторами p и q не превосходит, некоторого ''R'' (''R''<1).
  
Пусть расстояние между ''p'' и ''q'' равно: <math>r(p,r) = \sum_{i} {|p_i - q_i|}</math>
+
Пусть расстояние между ''p'' и ''q'' равно: <tex>r(p,r) = \sum_{i} {|p_i - q_i|}</tex>
  
Введем матрицу '''''D''''', элементы которой на ''d'' меньше, чем у '''''P'''''. Тогда <math>f(p) = p \times 1 + p \times D</math>. Таким образом  <math>f(p) - f(q) = {(p- q)} \times D</math>.
+
Введем матрицу '''''D''''', элементы которой на ''d'' меньше, чем у '''''P'''''. Тогда <tex>f(p) = p \times 1 + p \times D</tex>. Таким образом  <tex>f(p) - f(q) = {(p- q)} \times D</tex>.
  
 
Подставляем это выражение в определение расстояния и получаем выражение:
 
Подставляем это выражение в определение расстояния и получаем выражение:
  
<math>r(f(p), f(q)) = \sum_{i} {|\sum_{j}{p_j D_{ji}} - \sum_{j}{q_i D_{ji}}|} <= \sum_{i}{\sum_{j}{D_{ij}|p_j - q_j|}} =  r(p,q) * (1- md)</math>
+
<tex>r(f(p), f(q)) = \sum_{i} {|\sum_{j}{p_j D_{ji}} - \sum_{j}{q_i D_{ji}}|} <= \sum_{i}{\sum_{j}{D_{ij}|p_j - q_j|}} =  r(p,q) * (1- md)</tex>
  
Где <math>(1-md)< 1</math>, следовательно оно равно ''R''.
+
Где <tex>(1-md)< 1</tex>, следовательно оно равно ''R''.
  
В итоге получаем  <math>r(pP,qP)\leqslant R \times r(p,q)</math>, из которого следует для любого ''n''  <math>r(pP^n,qP^n)\leqslant R^n \times r(p,q)</math>. Отсюда получаем сходимость <math>p^{(0)}P^n</math>. И переходя в исходном уравнении к пределу в итоге получаем уравнение для предельного вектора <math>\bar p</math> <math>\bar p = \bar p P</math>.
+
В итоге получаем  <tex>r(pP,qP)\leqslant R \times r(p,q)</tex>, из которого следует для любого ''n''  <tex>r(pP^n,qP^n)\leqslant R^n \times r(p,q)</tex>. Отсюда получаем сходимость <tex>p^{(0)}P^n</tex>. И переходя в исходном уравнении к пределу в итоге получаем уравнение для предельного вектора <tex>\bar p</tex> : <tex>\bar p = \bar p P</tex>.
  
Единственность решения для уравнения следует из этого же неравенства. Если <math>p_1</math> и <math>p_2</math> решения системы, то получаем <math>r(p_1,p_2)=(r(p_1P,p_2P)\leqslant R \times r(p_1,p_2)</math>, что возможно только при совпадении этих решений.
+
Единственность решения для уравнения следует из этого же неравенства. Если <tex>p_1</tex> и <tex>p_2</tex> решения системы, то получаем <tex>r(p_1,p_2)=(r(p_1P,p_2P)\leqslant R \times r(p_1,p_2)</tex>, что возможно только при совпадении этих решений.
  
  
 
== Используемая литература ==
 
== Используемая литература ==
 
И.В. Романовский "Дискретный анализ", 2003
 
И.В. Романовский "Дискретный анализ", 2003

Версия 09:41, 15 января 2011

Формулировка теоремы

Формулировка

С вероятностью, равной 1, марковская цепь перейдет в поглощающее состояние.

Альтернативная формулировка

Пусть P - матрица переходов, где элемент [math]p_{ij}[/math] равен вероятности перехода из i-го состояния в j-ое, а [math]p^{(t)}[/math] вектор вероятностей нахождения в определенном состоянии на шаге t, тогда, если все элементы матрицы переходных состояний P положительны, то при t , стремящимся к бесконечности, вектор [math]p^{(t)}[/math] стремится к вектору [math]\bar p[/math], являющемуся единственному решению системы [math]p \times P=p [/math]


Доказательство теоремы

Обозначим через d минимальный элемент матрицы P (d>0). Введем функцию f, переводящую вероятностный вектор в другой: [math]f=p \times P[/math]. Отображение f сжимающиеся, т.е. отношение "расстояния" между f(p) и f(q) к расстоянию между векторами p и q не превосходит, некоторого R (R<1).

Пусть расстояние между p и q равно: [math]r(p,r) = \sum_{i} {|p_i - q_i|}[/math]

Введем матрицу D, элементы которой на d меньше, чем у P. Тогда [math]f(p) = p \times 1 + p \times D[/math]. Таким образом [math]f(p) - f(q) = {(p- q)} \times D[/math].

Подставляем это выражение в определение расстояния и получаем выражение:

[math]r(f(p), f(q)) = \sum_{i} {|\sum_{j}{p_j D_{ji}} - \sum_{j}{q_i D_{ji}}|} \lt = \sum_{i}{\sum_{j}{D_{ij}|p_j - q_j|}} = r(p,q) * (1- md)[/math]

Где [math](1-md)\lt 1[/math], следовательно оно равно R.

В итоге получаем [math]r(pP,qP)\leqslant R \times r(p,q)[/math], из которого следует для любого n [math]r(pP^n,qP^n)\leqslant R^n \times r(p,q)[/math]. Отсюда получаем сходимость [math]p^{(0)}P^n[/math]. И переходя в исходном уравнении к пределу в итоге получаем уравнение для предельного вектора [math]\bar p[/math] : [math]\bar p = \bar p P[/math].

Единственность решения для уравнения следует из этого же неравенства. Если [math]p_1[/math] и [math]p_2[/math] решения системы, то получаем [math]r(p_1,p_2)=(r(p_1P,p_2P)\leqslant R \times r(p_1,p_2)[/math], что возможно только при совпадении этих решений.


Используемая литература

И.В. Романовский "Дискретный анализ", 2003