Пусть {,
, ...,
} - множество состояний
некоторой физической системы. В любой момент времени система может
находиться в одном состоянии и меняет свое состояние только в моменты
,
, ...,
, .... Для
однородных цепей Маркова
вероятность
перехода системы из состояния
в состояние
за один шаг зависит только от того, из какого
состояния в какое
осуществлялся переход.
Вероятности перехода удобно располагать в виде
матрицы. Обозначим ее
а)
б)
(
=
1, 2, ...,
;
т.е. сумма элементов каждой строки матрицы перехода равна единице. Квадратные матрицы, для которых выполняются условия а) и б), называются стохастическими.
Вектор , где
-
вероятность появления состояния
(
= 1,
2, ...,
в начальном
испытании, называется вектором начальных вероятностей.
Свойства однородных марковских цепей полностью определяются
вектором начальных вероятностей и матрицей вероятностей перехода.
В некоторых случаях вместо матрицы P используют
ориентированный граф, вершинами которого являются состояния цепи,
а стрелка, идущая от состояния в состояние
с
числом
рядом с ней, показывает, что из
состояния
возможен переход в состояние
с
вероятностью
. В
том случае, когда
0, соответствующее ребро не
проводится.
В случае однородных цепей Маркова с вектором начальных
вероятностей появляется еще начальная вершина графа, которая
соединяется с состоянием
ребром с числом
рядом с
ним.
Можно показать, что матрица перехода P
за
шагов находится как
.
Если из состояния система может перейти в
состояние
с
положительной вероятностью за конечное число шагов, то говорят, что
достижимо из
.
Состояние
называется существенным, если
для
каждого
состояния
, достижимого из
достижимо из
. В противном
случае
называется несущественным
состоянием.
Понятие марковской цепи принадлежит русскому математику А.А. Маркову, чьи первые статьи по этому вопросу при решении лингвистических проблем были опубликованы в 1906-1908 гг.
Пример 51. Частица, находящаяся на прямой, движется по
этой прямой под влиянием случайных толчков, происходящих в моменты
,
,
,
...Частица может находиться в
точках с целочисленными координатами 1, 2, 3, 4, 5; в точках 1 и 5
находятся отражающие стенки. Каждый толчок перемещает частицу
вправо с вероятностью
и влево с вероятностью
, если частицы
не находятся у стенки. Если же частица находится у стенки, то
любой толчок переводит ее на единицу внутрь промежутка [1,5].
Найти матрицу перехода P и ей соответствующий граф.
Решение. Пусть ,
= 1,
2, 3, 4, 5. Тогда граф перехода выглядит
следующим образом:
а матрица перехода -
Пример 52. Вероятности перехода за один шаг в цепях Маркова задаются матрицей:
Требуется:
а) найти число состояний;
б) установить, сколько среди них существенных и несущественных;
в) построить граф, соответствующий матрице P.
Решение.
а) 4 состояния.
б) состояния ,
несущественны, поскольку остальные состояния
достижимы из них, но
недостижимо из
, а
недостижимо из
; состояния
и
являются существенными.
в)
Пример 53 (задача о скрещивании). В близко родственном
скрещивании две особи, и среди их прямых потомков случайным
образом выбираются две особи разного пола. Они вновь скрещиваются,
и процесс этот продолжается бесконечно. Каждый родительский ген
может передаваться с вероятностью , и
последовательные испытания независимые. Имея три генотипа AA, Aа,
аа для каждого родителя, мы можем различать шесть комбинаций
родителей, которые пометим следующим образом:
=AA
AA,
= AA
Aа,
=
AA
аа,
= Aа
Aа,
= Aа
аа,
= аа
аа. Найдите граф и
матрицу перехода.
Решение.
Рассмотрим, какое
потомство и с какой вероятностью может быть у особей разного пола, если
они
выбираются из
.
Пусть = {
-й потомок},
= 1,
2 и
,
- разного пола, тогда варианты потомков и их
вероятности
можно найти по следующему графу:
Получаем, что
Аналогично, находим и вероятности других переходов:
Тогда искомый граф перехода выглядит следующим образом:
а матрица перехода -
Пример 54. Матрица вероятностей перехода цепи Маркова имеет вид:
Распределение по состояниям в момент времени = 0
определяется вектором
.
Найти распределения по состояниям в момент
= 2.
Решение. Построим граф, соответствующий вектору начальных вероятностей и матрице перехода:
По этому графу находим распределение по состояниям в момент = 2:
= (0,6
(0,2)
+
0,6
0,3
0,5+0,6
0,5
0,6)+(0,1
0,5
0,2+0,1
0,2
0,5
+0,1
0,3
0,6)+(0,3
0,6
0,2+(0,3)
0,6)+(0,3
0,1
0,5)=0,437;
= (0,1
(0,2)
+0,1
0,5
0,3+0,1
0,3
0,1)+0,6
0,3
0,2+0,6
0,2
0,3
+0,6
0,5
0,1)+(0,3
0,1
0,2+(0,3)
0,1+0,3
0,6
0,3)=0,193;
= 0,37.
Пример 55. Доказать, что P=
P
для двух состояний цепи Маркова.
Решение. Пусть цепь Маркова с двумя состояниями
и
задана своей матрицей перехода P:
Докажем утверждение методом математической индукции.
Пусть = 2. Тогда
Вероятности перехода за два шага удобно находить по графу перехода:
Следовательно, P = P
,
и
первый шаг метода
математической индукции выполняется. Предположим далее, что при
проверяемое утверждение истинно, т.е. P
=
P
, тогда матрица перехода за
+1
шаг
P
= P
P =
P
P = P
, что и
требовалось доказать.
Вопросы для самоконтроля
Задачи
Чему равно число состояний? Найти вероятности перехода из одного состояния в другое за два шага.
Вектор начальных вероятностей
Найти вероятность
того, что через два шага система будет находиться в состоянии
.
Найти число состояний и определить среди них существенные и несущественные. Построить граф, соответствующий матрице P.
а)
б) P = P
.