3.10 Марковские цепи
Последовательность случайных величин образует дискретную цепь Маркова, если для всех n и всех возможных случайных величин выполняется равенство:
. (3.1)
Если , то говорят, что на n - ом шаге система находится в состоянии . Выражение в правой части равенства (1) называют вероятностью перехода; оно задает условную вероятность перехода из состояния на n -1- ом шаге в на n - ом шаге.
Обычно цепь Маркова описывается матрицей вероятностей перехода: и вектором , где – это вектор начальных вероятностей, показывающий в каком состоянии была система на нулевом шаге, L – количество состояний цепи Маркова. и удовлетворяют условию:
. (3.2)
Матрицы, удовлетворяющие условию (3.2) называют стохастическими
Если вероятности перехода не зависят от n (стационарны во времени), то цепь Маркова называется однородной и строгое ее определение задается равенством:
. (3.3)
Для однородной цепи Маркова матрица вероятностей перехода за m шагов выглядит следующим образом: .Цепь Маркова называется неприводимой, если каждое ее состояние может быть достигнуто из любого другого. Для любой пары и существует такое k, что .
Обозначим через вероятность пребывания системы на n-ом шаге в состоянии : .
Распределение вероятностей называется стационарным, если при его выборе в качестве начального распределения вероятностей , для всех n выполняется равенство .
Состояние Ej называют эргодическим, если оно является апериодическим, возвратным ненулевым, т.е. fj =1, Mj <¥, g = 1. Если все состояния цепи Маркова эргодические, то сама цепь Маркова является эргодической.
Для эргодической цепи Маркова всегда существует стационарное распределение вероятностей состояний системы, не зависящее от начального распределения вероятностей.