A Markovův řetězec na měřitelném stavovém prostoru je diskrétní časově homogenní Markovův řetězec s měřitelný prostor jako stavový prostor.
Dějiny
Definice markovských řetězců se vyvinula v průběhu 20. století. V roce 1953 byl použit termín Markovův řetězec stochastické procesy s diskrétní nebo spojitou sadou indexů, žijící v spočetném nebo konečném stavovém prostoru, viz Doob.[1] nebo Chung.[2] Od konce 20. století se stalo populárnějším považovat markovský řetězec za stochastický proces s diskrétní sadou indexů, žijící v měřitelném stavovém prostoru.[3][4][5]
Definice
Označit s
měřitelný prostor a s
A Markovovo jádro se zdrojem a cílem
.Stochastický proces
na
se nazývá časově homogenní Markovův řetězec s Markovovým jádrem
a zahájit distribuci
-li
![mathbb {P} [X_0 v A_0, X_1 v A_1, tečky, X_n v A_n] = int_ {A_0} dots int_ {A_ {n-1}} p (y_ {n-1} , A_n) , p (y_ {n-2}, dy_ {n-1}) tečky p (y_0, dy_1) , mu (dy_0)](https://wikimedia.org/api/rest_v1/media/math/render/svg/cd368abc46aa7894d456e87e86333871e9d3faa6)
je spokojen pro každého
. Lze vytvořit libovolné Markovovo jádro a libovolnou pravděpodobnost měřit přidružený Markovův řetězec.[4]
Pro všechny opatření
označujeme pro
- integrovatelná funkce
the Lebesgueův integrál tak jako
. Pro opatření
definován
použili jsme následující notaci:

Základní vlastnosti
Počínaje jediným bodem
Li
je Diracova míra v
, označujeme pro Markovovo jádro
se zahájením distribuce
přidružený markovský řetězec jako
na
a očekávaná hodnota
![mathbb {E} _x [X] = int_ Omega X ( omega) , mathbb {P} _x (d omega)](https://wikimedia.org/api/rest_v1/media/math/render/svg/e5849c50b97b81539930831b1c94c8471528541a)
pro
- integrovatelná funkce
. Podle definice tedy máme
.
Máme pro každou měřitelnou funkci
následující vztah:[4]
![int_E f (y) , p (x, dy) = mathbb {E} _x [f (X_1)].](https://wikimedia.org/api/rest_v1/media/math/render/svg/92c5abbf9b54b355ea4163ebdea632ca97db11eb)
Rodina Markovských jader
Pro Markovovo jádro
se zahájením distribuce
lze představit rodinu Markovských jader
podle

pro
a
. Pro přidružený markovský řetězec
podle
a
jeden získá
.
Stacionární opatření
Míra pravděpodobnosti
se nazývá stacionární míra Markovova jádra
-li

platí pro všechny
. Li
na
označuje markovský řetězec podle markovského jádra
se stacionárním měřítkem
a distribuce
je
, pak vše
mají stejné rozdělení pravděpodobnosti, jmenovitě:
![mathbb {P} [X_n v A] = mu (A)](https://wikimedia.org/api/rest_v1/media/math/render/svg/2ca51e01c62c1881061da3a7a641bc03e1454f3d)
pro všechny
.
Reverzibilita
Markovské jádro
se podle míry pravděpodobnosti nazývá reverzibilní
-li

platí pro všechny
.Výměna
ukazuje, že pokud
je reverzibilní podle
, pak
musí být stacionární míra
.
Viz také
Reference
- ^ Joseph L. Doob: Stochastické procesy. New York: John Wiley & Sons, 1953.
- ^ Kai L. Chung: Markovovy řetězce se stacionární pravděpodobností přechodu. Druhé vydání. Berlin: Springer-Verlag, 1974.
- ^ Sean Meyn a Richard L. Tweedie: Markovovy řetězy a stochastická stabilita. 2. vydání, 2009.
- ^ A b C Daniel Revuz: Markovovy řetězy. 2. vydání, 1984.
- ^ Rick Durrett: Pravděpodobnost: teorie a příklady. Čtvrté vydání, 2005.