Предыдущая страница реферата | 2  3  4  5  6  7  8  9  10  11  12 | Следующая страница реферата

Остальные значения вероятностей будут нулевыми. Каноническая форма матрицы перехода в этом случае будет выглядеть так:

[pic]

Фундаментальная матрица после вычислений примет вид:

[pic]

Тогда, согласно формуле (9), матрица вероятностей поглощения вычисляется так:

[pic].

Поясним вероятностный смысл полученной матрицы с помощью конкретных чисел. Пусть[pic], а[pic]. Тогда после подстановки полученных значений в матрицу [pic]получим:

[pic]

Таким образом, если процесс начался в [pic], то вероятность попадания его в [pic] равна [pic], а в [pic] - [pic]. Отметим одно интересное обстоятельство: несмотря на то, что, казалось бы, левое поглощающее состояние (“левая яма”) находится рядом с [pic], но вероятность попадания в нее почти в два раза меньше, чем в “удаленную яму” - [pic]. Этот интересный факт подмечен в теории ДМЦ, и объясняется он тем, что [pic], то есть процесс имеет как бы “правый уклон”. Рассмотренная выше модель называется в теории ДМЦ моделью случайного блуждания. Такими моделями часто объясняются многие физические и технические явления и даже поведение игроков во время различных игр.

В частности, в рассмотренном примере объясняется тот факт, что более сильный игрок может дать заранее значительное преимущество (“фору”) слабому противнику и все равно его шансы на выигрыш будут более предпочтительными.

Кроме указанных выше средних характеристик вероятностного процесса с помощью фундаментальной матрицы можно вычислить моменты и более высоких порядков. В частности, дисперсия числа пребывания в том или ином состоянии
- D определяется с помощью следующей матрицы:

[pic] (10) где

[pic] - диагональная матрица, т.е. матрица, полученная из М путем оставления в ней лишь диагональных элементов и замены остальных элементов нулями. Например, приведенная выше матрица (7а) будет иметь вид:

[pic]

В свою очередь, матрица М представляет собой матрицу, полученную из М путем возведения в квадрат каждого ее элемента, то есть для (7а) будем иметь:

[pic]

Аналогичным образом определяема и дисперсия для общего количества раз пребывания в том или ином состоянии [pic]. Обозначим ее [pic]:

[pic] (11)

2.2. Эргодические цепи

Как указывалось выше под эргодической ДМЦ понимается цепь, не имеющая невозвратных состояний. Таким образом, в такой цепи возможны любые переходы между состояниями. Напомним, что эргодические цепи могут быть регулярными и циклическими. Ранее определение таких цепей было дано.

Поскольку согласно данному выше определению в эргодической ДМЦ на любом шаге должны быть возможными любые переходы, то очевидно при этом, что переходные вероятности не должны равняться нулю. Оказывается, из этого условия вытекают некоторые замечательные свойства регулярных ДМЦ:
1. Степени [pic] при [pic] стремятся к стохастической матрице [pic].
2. Каждая строка матрицы [pic] представляет один и тот же вероятностный вектор

[pic] (12) все компоненты которого положительны.

Вектор (12) в теории ДМЦ занимает особое место из-за наличия многих приложений и называется вектором предельных или финальных вероятностей
(иногда - стационарным вектором). Финальные вероятности определяют с помощью векторно-матричного уравнения

[pic] (13) которое в развернутом виде будет выглядеть так:

[pic] (13а)

Рекомендуем скачать другие рефераты по теме: курсовая работа по менеджменту, написать сообщение.



Предыдущая страница реферата | 2  3  4  5  6  7  8  9  10  11  12 | Следующая страница реферата

Поделитесь этой записью или добавьте в закладки