2.8.1. Определения
Как мы помним, ярким примером класса независимых случайных величин является последовательность бернуллиевских случайных величин. Здесь же мы рассмотрим важный класс зависимых случайных величин, образующих так называемую цепь Маркова.
Пусть {W, F, Р } – некоторое вероятностное пространство, x 0, x 1, …., xn … — последовательность случайных величин со значениями в некотором множестве X.
Определение. Если при предположении
для любого k 1 выполнено условие
,
то последовательность x 0, x 1, …., xn … называется цепью Маркова.
Множество X называется фазовым пространством или пространством состояний цепи.
Замечание. Если воспользоваться равенством
,
то из (1) получим следующее:
Это равенство допускает наглядную интерпретацию: если xk трактовать, например, как число клиентов в системе массового обслуживания в «настоящий» момент, (x 0, x 1, …., xk- 1) – в «прошлом», (xk+ 1, …., xn) – в «будущем», тогда соотношение (2) означает, что при фиксированных «прошлом» и «настоящем» «будущее» зависит лишь от «настоящего» и не зависит от того, каким способом система оказалась в состоянии xk, т.е. не зависит от “прошлого”. Иначе говоря, из (2) следует, что при фиксированном “настоящем” “будущее” и “прошлое” оказываются независимыми. Свойство независимости “будущего” и “прошлого” принято называть свойством Маркова, а соответствующую последовательность цепью Маркова.
|
|
Будем считать, что фазовое пространство X состоит из конечного или счетного множества целочисленных точек: X = {0, 1, …, N, …}. Вероятности - называют начальными вероятностями (распределение – начальным распределением), а матрицу
, где
называют матрицей переходных вероятностей в момент k (k= 1 ,…,n).
В том случае, когда - не зависят от k, то x 0, x 1, …., xn – называют однородной цепью Маркова. Свойства однородных цепей полностью определяются начальными вероятностями и переходными вероятностями . В конкретных случаях для описания эволюции цепи вместо явного выписывания матрицы используют граф (диаграмму состояний), где вершины характеризуют состояния цепи, а стрелки, идущие из одного состояния в другое – вероятности перехода.
Пример. Пусть на стоянку такси в единичные моменты времени прибывают (по одной в каждый момент) машины. Если на стоянке ожидающих клиентов нет, то машина немедленно уезжает. Обозначим через число ожидающих клиентов, приходящих в момент k на стоянку, и предположим, что - независимые случайные величины. Пусть xk – длина очереди в момент k, x 0 = 0. Тогда, если xk = i, то в следующий момент k +1 длина очереди xk+ 1 станет равной j, где
Нетрудно проверить (проверьте самостоятельно), что последовательность x 0, x 1, …., xn образуют цепь Маркова.
|
|