teoria_ps.pdf

(125 KB) Pobierz
387410598 UNPDF
MateriaÃlpomocniczydoprowadzenia¶cwicze¶nzproces¶owstochastycznych
G.Mazurkiewicz
Literatura
1.T.Inglot,T.Ledwina,Z.ÃLawniczak, MateriaÃlydo¶cwicze¶nzrachunkuprawdopodobie¶nstwaistatystykimatema-
tycznej ,WydawnictwoPolitechnikiWrocÃlawskiej,WrocÃlaw1984.
2.J.Jakubowski,R.Sztencel, Wst»epdoteoriiprawdopodobie¶nstwa ,SCRIPT,Warszawa2000.
3.A.Iwanik,J.K.Misiewicz,WykÃladyzproces¶owstochastycznychiprocesyMarkowazzadaniami,wprzygotowaniu
2007.
PROCESYSTOCHASTYCZNE
Poj»ecieprocesustochastycznego,warto¶s¶c¶srednia,funkcjakowariancji,rozkÃlady
sko¶nczenie-wymiarowe
Procesemstochastycznym fX t : t2Tg nazywamyfunkcj»eparametrurzeczywistego t2 IR,
kt¶orejwarto¶sci X t przyka_zdymustalonym t2T s»azmiennymilosowymi,okre¶slonyminapewnej
przestrzeniprobabilistycznej(­ ;F; P).
Gdy T jestzbioremsko¶nczonymlubprzeliczalnym(najcz»e¶sciejzbioremliczbnaturalnychlub
caÃlkowitych),toprocesnazywamyci»agiemlosowym.
Gdy T jestzbioremnieprzeliczalnym,tob»edziemyzakÃlada¶c,_ze T jestprzedziaÃlem(sko¶nczonym,
jednostronnieniesko¶nczonymlubcaÃl»aprost»aIR).
ÃL»acznerozkÃladyprawdopodobie¶nstwazmiennychlosowych X t 1 ;X t 2 ;:::;X t n dladowolnych
t 1 ;t 2 ;:::;t n 2T oraz n¸ 1,tzn.rozkÃladywektor¶owlosowych( X t 1 ;X t 2 ;:::;X t n ),nazywamy
rozkÃladamisko¶nczenie-wymiarowymiprocesu fX t : t2Tg .
Trajektori»a(realizacj»a)procesustochastycznego fX t : t2Tg nazywamyfunkcj»e t7!X t ( ! )
argumentu t2T ,przyustalonymzdarzeniuelementarnym ! .
Dlapor¶ownania:funkcja !7!X t ( ! )argumentu !2 ­,przyustalonym t2T jestzmienn»alosow»a.
Ni_zejpodanede¯nicjedotycz»aproces¶owdrugiegorz»edutzn.takich,kt¶oredlaka_zdego t maj»a
sko¶nczonemomentyrz»edudrugiego(innymisÃlowy,E X 2 t <1 dlaka_zdego t2T ).
Warto¶sci»a¶sredni»aprocesu fX t : t2Tg nazywamyfunkcj»e m X : T! IRde¯niowan»awzorem
m X ( t )=E X t :
Funkcj»ekorelacji(autokorelacji,kowariancji) K X : T£T! IRprocesustochastycznego
fX t : t2Tg okre¶slamynast»epuj»aco
K X ( s;t )= Cov ( X s ;X t )=E( X s ¡ E X s )( X t ¡ E X t ) :
1
Uwaga!Funkcj»ekorelacjiprocesu fX t : t2Tg mo_zemywyznaczy¶ctak_zezewzoru
K X ( s;t )=E( X s X t ) ¡ E X s E X t :
Warto¶scifunkcjikowariancjinaprzek»atnej,tzn. K X ( t;t ),s»ar¶ownewariancjom V X ( t )=Var X t
zmiennychlosowych X t ,tzn.
K X ( t;t )=E( X t ¡ E X t ) 2 =E X 2 t ¡ (E X t ) 2 =Var X t :
Zr¶odÃlo:[1]
Procesci»agÃlyistochastycznieci»agÃly.Processtacjonarny.Mody¯kacjaprocesu.
Processtochastyczny fX t : t2Tg nazywamyci»agÃlym,je_zeliprawiewszystkiejegotrajektories»a
funkcjamici»agÃlymi.
Processtochastyczny fX t : t2Tg nazywamystochastycznieci»agÃlym,je_zelidlaka_zdego t2T
idlaka_zdejliczby ²> 0
s!t P fjX t ¡X s j>²g =lim
s!t P f!2 ­: jX t ( ! ) ¡X s ( ! ) j>²g =0 :
Processtochastyczny fX t : t2Tg nazywamystacjonarnymww»e_zszymsensie,je_zelidla
ka_zdego n2 INidladowolnych t 1 ;t 2 ;:::;t n ;t 1 + h;t 2 + h;:::;t n + h2T zachodzi
( X t 1 ;:::;X t 2 ) d =( X t 1 + h ;:::;X t 2 + h ) ;
gdzie d =oznaczar¶owno¶s¶crozkÃlad¶ow.
Wszczeg¶olno¶sci,processtochastyczny fX t : t2Tg stacjonarnyww»e_zszymsensieposiadajednakowe
rozkÃladyjednowymiarowe,kt¶oreniezale_z»aodczasu,tzn.dladowolnych t;s2T zachodzi
X t d = X s :
Zatemje¶sliprocesstacjonarnyww»e_zszymsensiejesttak_zeprocesemdrugiegorz»edu(E X 2 t <1 dla
ka_zdego t2T ),to
m X ( t )=constoraz V X ( t )=const :
Cowi»ecej,funkcjakowariancji K X takiegoprocesuspeÃlniar¶ownaniefunkcyjne
K X ( t;s )= K X (0 ;s¡t ) :
Interpretacja:Stacjonarno¶s¶cprocesuww»e_zszymsensieoznacza,_zewszystkiewÃlasno¶sciprobabili-
styczneniezmieniaj»asi»ewczasie,np.niezmieniaj»asi»ewarunkiwytwarzaniapewnegoproduktu.
Mog»awyst»api¶cpewnelosowezmiany,leczichrozkÃladyprawdopodobie¶nstwnieulegaj»azmianieprzy
przesuni»eciuczasu.
Processtochastyczny fX t : t2Tg ,dlakt¶oregoE X 2 t <1 ,nazywamystacjonarnymwszerszym
sensie,je_zeli
m X ( t )=constoraz K X ( t;s )= K X (0 ;s¡t ) :
2
lim
Processtochastyczny fY t : t2Tg nazywamystochastyczn»amody¯kacj»aprocesu fX t : t2Tg ,
je_zelidlaka_zdego t2T
P f!2 ­: X t ( ! )= Y t ( ! ) g =1 :
ÃLA NCUCHYMARKOWA
WarunekMarkowa,jednorodno¶s¶cÃla¶ncucha,macierzprawdopodobie¶nstwprzej¶scia,
rozkÃladybezwarunkowe
Rozpatrzmyci»ag fX n : n2 IN g dyskretnychzmiennychlosowych X 0 ;X 1 ;X 2 ::: .
Zbi¶orwszystkichmo_zliwychwarto¶sciprzyjmowanychprzezzmienne fX n : n2 IN g nazywamy
zbioremstan¶owioznaczamy S ,aelementyzbioru S nazywamystanami.
Uwaga!ZaÃlo_zenieodyskretnymrozkÃladzieka_zdejzmiennej X i , i =0 ; 1 ; 2 ;::: ,gwarantujeprzeli-
czalno¶s¶czbioru S .
M¶owimy,_zezmienne fX n : n2 IN g s»apowi»azanewÃla¶ncuchMarkowa,je_zelidladowolnejliczby
naturalnej n2 INspeÃlnionyjestwarunekMarkowa,tzn.
P fX n = s n jX n¡ 1 = s n¡ 1 ;:::;X 1 = s 1 ;X 0 = s 0 g =P fX n = s n jX n¡ 1 = s n¡ 1 g;
gdzie s 0 ;s 1 ;:::;s n¡ 1 2S s»adowolnymistanami,dlakt¶orych PfX n¡ 1 = s n¡ 1 ;:::;X 0 = s 0 g> 0.
Interpretacja:ÃLa¶ncuchyMarkowamodeluj»atakieukÃladyobserwowalnewdyskretnychmomentach
czasu,dlakt¶orychstanukÃladuw n +1chwili(czyli X n +1 )niezale_zyodstanuukÃladuwewszystkich
chwilachwcze¶sniejszych0 ; 1 ;:::;n (czyliniezale_zyodwszystkichzmiennychlosowych X 0 , X 1 , ::: ,
X n ),leczzale_zyjedynieodstanuukÃladuwostatniejchwili n (czylizale_zyjedynieod X n ).
Prawdopodobie¶nstwowarunkowe
p ( n )
ij =P fX n = s j jX n¡ 1 = s i g;
gdzie s i ;s j 2S s»astanami,nazywamyprawdopodobie¶nstwemprzej¶sciazestanu s i dostanu
s j w n -tymkroku,za¶smacierz P n =[ p ( n )
ij niezale_z»aodnumerukroku n (chwiliprzej¶scia),toÃla¶ncuch
Markowanazywamyjednorodnym.Oznaczato,_ze p ( n )
ij = p ij iw¶owczasÃla¶ncuchMarkowajestopi-
sywanyprzeztylkojedn»amacierzprawdopodobie¶nstwprzej¶scia P =[ p ij ].
Interpretacja:WjednorodnymÃla¶ncuchuMarkowa fX n : n2 IN g wka_zdymmomenciezmianystan¶ow
nast»epuj»azniezmieniaj»acymisi»eprawdopodobie¶nstwami.W¶owczas,np.mamy
p ij = p (1)
ij = p (2)
ij = p (112)
ij ;
cooznacza,_ze
p ij =P fX 1 = s j jX 0 = s i g =P fX 2 = s j jX 1 = s i g =P fX 112 = s j jX 111 = s i g:
3
ij ]powstaÃl»azwarto¶scitychprawdopodobie¶nstwnazywamy
macierz»aprawdopodobie¶nstwprzej¶sciaw n -tymkroku.
Je¶sliprawdopodobie¶nstwaprzej¶scia p ( n )
Wdalszychrozwa_zaniachzakÃladamy,_zeÃla¶ncuchMarkowa fX n : n2 IN g jestjednorodnyiprzyj-
mujemyoznaczenie p ij =P fX n = s j jX n¡ 1 = s i g (poniewa_zchwila n niejestistotna).
Macierzprawdopodobie¶nstwprzej¶scia P =[ p ij ]jestmacierz»astochastyczn»a,tzn. p ij ¸ 0dla
dowolnych i;j orazdlaka_zdego i X
p ij =1 :
s j 2S
Prawdopodobie¶nstwoprzej¶sciazestanu s i 2S dostanu s j 2S w n krokachde¯niujemy
wzorem
p ij ( n )=P fX n = s j jX 0 = s i g:
Nietrudnozauwa_zy¶c,_zezjednorodno¶sciÃla¶ncuchaMarkowa fX n : n2 IN g dostajemytak_zer¶ownanie
p ij ( n )=P fX k + n = s j jX k = s i g
zachodz»acedladowolnejliczbykrok¶ow k2 IN.
R¶ownanieChapmana-KoÃlogorowamaposta¶c
p ij ( n )=
X
p il ( k ) p lj ( n¡k )dla0 <k<n;k2 IN
s l 2S
ioznacza,_zemacierzprawdopodobie¶nstwprzej¶sciaw n krokach[ p ij ( n )]jednorodnegoÃla¶ncuchaMar-
kowamaposta¶c P n ,tzn.jest n -t»apot»eg»amacierzow»amacierzy P prawdopodobie¶nstwprzej¶scia
wjednymkroku.
RozkÃladzmiennejlosowej X 0 nazywamyrozkÃladempocz»atkowymioznaczamy
p (0)=(P fX 0 = s 1 g; P fX 0 = s 2 g;:::; P fX 0 = s k g ) :
RozkÃladzmiennej X n nazywamyrozkÃladembezwarunkowymwchwili n ioznaczamy
p ( n )=(P fX n = s 1 g; P fX n = s 2 g;:::; P fX n = s k g ) :
WjednorodnymÃla¶ncuchuMarkowarozkÃladbezwarunkowywchwili n wyra_zasi»ewzorem
p ( n )= p (0) P n :
4
387410598.001.png
 
Klasy¯kacjastan¶owjednorodnegoÃla¶ncuchaMarkowa
Prawdopodobie¶nstwaprzej¶sciaw n krokachzestanu s i 2S dostanu s j 2S de¯niujemywzorem
p ij ( n )=P( X n + k = s j jX k = s i ) ; k2 IN :
M¶owimy,_zestan s j jestosi»agalnyzestanu s i ,gdy p ij ( n ) > 0dlapewnego n ,wtedyoznaczamy
s i !s j .
Stany s i i s j wzajemniesi»ekomunikuj»a,gdy s i !s j i s j !s i ,wtedyoznaczamy s i $s j .
Stan s i nazywamystanemnieistotnym,gdyistniejestan s j taki,_zestan s j jestosi»agalnyze
stanu s i ,alestan s i niejestosi»agalnyzestanu s j .
Zbi¶orstan¶ow C nazywamyzamkni»etymzbioremstan¶ow,je_zeli_zadenstanspoza C niedasi»e
osi»agn»a¶cwychodz»aczdowolnegostanuw C .
ÃLa¶ncuchMarkowa(lubpodzbi¶orjegostan¶ow)nazywamynieprzywiedlnym,gdywszystkiestany
wzajemniekomunikuj»asi»e.
Niech f k ( n )b»edzieprawdopodobie¶nstwem,_zewychodz»aczestanu s k Ãla¶ncuchpowr¶ociporaz
pierwszydostanu s k w n -tymkroku,tzn.
f k ( n )=P( X n = s k ;X n¡ 1 6 = s k ;:::;X 2 6 = s k ;X 1 6 = s k jX 0 = s k ) :
Stan s k nazywamy
a)powracaj»acym,gdy P 1 n =1 f k ( n )=1,
a)powracaj»acywtedyitylkowtedy,gdy P 1 n =1 p kk ( n )=+ 1 ,
b)chwilowywtedyitylkowtedy,gdy P 1 n =1 p kk ( n ) <1 .
Je_zeli s k jeststanemchwilowym,todlaka_zdegostanu s i zachodzi P 1 n =1 p ik ( n ) <1 ,zatem
zwarunkukoniecznegozbie_zno¶sciszeregudostajemy,_zelim n!1 p ik ( n )=0.
Okresowo¶s¶cÃla¶ncuchaMarkowa
Okresemstanu s j 2S jednorodnegoÃla¶ncuchaMarkowanazywamyliczb»e
o ( s j )=NWD fn : p jj ( n ) > 0 g;
gdzieNWDoznaczanajwi»ekszywsp¶olnydzielnik.
Stan s j nazywamyokresowym,gdy o ( s j ) > 1inieokresowym,gdy o ( s j )=1.
Oczywi¶scie p jj ( n )=0dla n nieb»ed»acychwielokrotno¶sciami o ( s j ).
Uwaga!WnieprzywiedlnymÃla¶ncuchuMarkowawszystkiestanymaj»atensamokres.
5
b)chwilowym,gdy P 1 n =1 f k ( n ) < 1.
U_zytecznejesttwierdzenie:Stan s k jest
Zgłoś jeśli naruszono regulamin