[2018年最新整理]RP4随机过程第四章课件.pptVIP

4 马尔可夫链 马尔可夫链的概念及转移概率 马尔可夫链的状态分类 状态空间的分解 遍历性与平稳分布 马尔可夫过程的四种类型 马尔可夫链 时间、状态都离散 马尔可夫序列 时间离散、状态连续 纯不连续马尔可夫过程 时间连续、状态离散 连续马尔可夫过程（或扩散过程） 时间、状态都连续 4.1 马尔可夫链的概念及转移概率 马氏性（无后效性） 马尔可夫链的统计特性完全由以下条件概率所决定： 转移概率 pij(n) 不仅与状态 i , j 有关，而且与时刻 n 有关。 当 pij(n) 与时刻 n 无关时，表示马尔可夫链具有平稳转移概率。 齐次马尔可夫链 一步转移概率矩阵 性质： n 步转移概率 n 步转移概率 的性质 初始概率和绝对概率 绝对概率 pj(n) 的性质 有限维概率分布 马尔可夫链的几个简单例子 描述马氏链的三种方式 4.2 马尔可夫链的状态分类 设 { Xn , n 0 } 是齐次马尔可夫链，其状态空间 I = { 0, 1, 2, … }，转移概率是 pij ， i , j ?I ，初始分布为{ Pj , j ?I } 。 （1）状态的周期性 （2）状态的常返性 常返性的定义 与 的关系 上式可用来求从状态 i 经 n 步首次到达状态 j 的概率： 周期的等价定义 常返性的判别(根据pij(n)) 马氏链状态分类图 状态分类的判别 （3）可达关系与互通关系 4.3 状态空间的分解 闭集的充要条件 状态 i 为吸收态（pii = 1）? 单点集 { i } 是闭集。 { 3 }, {1, 4 }, {1, 4, 3}, { 1, 4, 2, 3 } 都是闭集；其中 { 3 } 和 { 1, 4 } 是不可约闭集； 状态空间的分解 几个结论 有限状态的马氏链，不可能全是非常返态，也不可能含有零常返态。 若马氏链有一个零常返态，则必有无限多个零常返态。 不可约的有限状态马氏链必为正常返态。 随机矩阵 4.4 遍历性与平稳分布 平稳分布 平稳分布的判别 [例7] （例4.16）设马尔可夫链的转移概率矩阵为P，求马氏链的平稳分布及各状态的平均返回时间。 [例5] 设马氏链 { Xn } 的状态空间 I = { 1, 2, 3, 4, 5 } ，转移矩阵为试分析其闭集及不可约性。 ④ ① ② ③ 1/2 1/2 1/2 1 1/2 1 1 ⑤ 称 Cn 是基本常返闭集 [定理] 任一马氏链的状态空间 I ，可唯一地分解成若干个互不相交的子集 D, C1, C2, … 之和， 使得 (1) D 由全体非常返态组成； (2) 每个 Cn 是常返态组成的不可约闭集； (3) Cn 中的状态同类（全为正常返或零常返），它们有相同的周期，且 fjk = 1，j, k ?Cn . ( j ? k ) [例6] 设状态空间 I = { 1, 2, … , 6 } ，转移矩阵为试分解此链，并指出各状态的常返性及周期性。 [定义] 若矩阵 (a ij ) 的元素非负且对每个 i 都有 ，则称矩阵 (a ij ) 为随机矩阵。显然，k 步转移矩阵 是随机矩阵。 [定理] 设 C 是闭集，又 是 C 上所得的 k 步转移子矩阵，则 G 仍是随机矩阵。 [定义] 设齐次马氏链{ Xn , n ? 0 } 的状态空间为 I ，若对于一切 i , j ?I ，存在不依赖于 i 的极限， 则称该马氏链具有遍历性，并称 pj 为状态 j 的稳态概率。 [定义] 称概率分布 { ? j , j ? I } 为马氏链的平稳分布，若它满足 [定理] 不可约、非周期马氏链是正常返的充要条件：存在平稳分布，且此平稳分布就是极限分布 [推论1] 不可约、非周期、有限状态的马氏链必存在平稳分布。 [推论2] 若不可约马氏链的所有状态是非常返或零常返的，则不存在平稳分布。 [推论3] 若{ ? j , j ? I } 是不可约非周期马氏链的平稳分布，则 解： 因为该马氏链是不可约的非周期有限状态，所以存在平稳分布。 各状态的平均返回时间分别为： 平稳分布为： * * [定义] 设有随机过程 { Xn , n ?T }， 若对于任意的整数n ?T 和任意的 i0, i1, …, in+1 ?I ，条件概率满足则称 { Xn , n ?T } 为马尔可夫链，简称马氏链。 [定义] 称条件概率为马尔可夫链 { Xn , n ?T } 在时刻 n 的一步转移概率，其中 i , j ?I ，简称为转移概率。 [定义] 若对任意的 i , j ?I ，马尔可