I sannsynlighetsteori er en spesiell type diskret stokastisk prosess der sannsynligheten for at en hendelse inntreffer bare avhenger av den umiddelbart foregående hendelsen , kjent som en Markov-kjede eller Markov- modell . Denne funksjonen med å inkludere nylig minne kalles Markov-egenskapen i motsetning til uavhengige hendelser som ikke har noe minne om noen tidligere hendelser. I en tidlig artikkel fra 1906 definerte AA Markov den "enkle kjeden" som "en uendelig sekvens x1, x2, ..., xk, xk+1, ..., av variabler koblet på en slik måte at xk+1 for enhver k er uavhengig av x1, x2, ..., xk−1, forutsatt at xk er kjent." Markov kalte kjeden "homogen" hvis den betingede fordelingen av xk+1 gitt xk var uavhengig av k. Han vurderte også "komplekse" strenger der "hvert tall er direkte koblet til ikke bare ett, men flere tall før det." [ 1 ]
Den har fått navnet sitt fra den russiske matematikeren Andrei Markov (1856-1922), som introduserte den i 1906 . [ 1 ]
Disse statistiske modellene har et stort antall reelle applikasjoner.
I matematikk er en Markov -kjede en tidsdiskret stokastisk prosess med diskret tilstandsrom som for ethvert heltall og for alle tilfredsstiller
denne eiendommen er kjent som Markov-eiendommen .
En Markov-kjede sies å være homogen hvis sannsynligheten for å gå fra stat til stat i ett trinn ikke avhenger av tiden kjeden er funnet, det vil si:
for alt og for hvem som helst .
Hvis for et par stater og i noen tid den nevnte egenskapen ikke holder, sier vi at Markov-kjeden er ikke-homogen .
La og være to tilstander av en Markov-kjede. Sannsynligheten for å gå fra tidstilstand til tidstilstand er angitt med
.Når kjeden er homogen, er denne sannsynligheten betegnet med
,som representerer sannsynligheten for å flytte fra stat til stat i en tidsenhet.
Hvis vi har ett-trinns overgangssannsynlighetene , , hvis vi varierer indeksene over tilstandsrommet, får vi matrisen kalt ett-trinns overgangssannsynlighetsmatrisen , det vil si:
hvor input representerer sannsynligheten for å gå fra stat til stat i ett trinn.
Matrisen er en stokastisk matrise siden den tilfredsstiller
Tilsvarende er overgangssannsynlighetsmatrisen definert i trinn, den er betegnet med og gitt av
hvor input representerer sannsynligheten for å gå fra tilstand til stat i trinn.
For alle slike det og for alle stater det gjelder
Som en konsekvens av dette resultatet er trinnovergangssannsynligheten , , gitt ved inntastingen av den -te potensen til ett- trinns overgangssannsynlighetsmatrisen, dvs.
Med det ovenstående blir problemet med å beregne overgangssannsynlighetene i trinn å finne den -te potensen av matrisen av overgangssannsynligheter i ett trinn, dvs.
For to stater og i staters rom vil vi si at staten er tilgjengelig fra staten og skrive hvis slik at
hvis og da vil vi si at staten kommuniserer med staten og skrive .
Egenskapen er en ekvivalensrelasjon . Denne relasjonen induserer en oppdeling av statsrommet. Vi vil kalle disse ekvivalensklassene for kommunikasjonsklasser .
Gitt en tilstand vil vi betegne dens kommunikasjonsklasse som , så hvis og bare hvis .
Hvis da kjeden sies å være irreduserbar.
Perioden til en stat er definert som :
hvor angir den største felles divisor .
En Markov-kjede sies å være aperiodisk hvis alle dens tilstander er aperiodiske, det vil si hvis .
Hvis , definerer vi tidspunktet for første besøk a som den tilfeldige variabelen
det vil si at den angir første gang strengen går inn i tilstandssettet .
Sannsynlighet for første besøkDen definerer
som sannsynligheten for at en kjede som starter i staten når staten for første gang i trinn, hvor .
Spesielt når , angir sannsynligheten for å gå tilbake til staten i trinn for første gang.
og er definert
som sannsynligheten for et eventuelt besøk fra stat til stat og
som sannsynligheten for å forlate staten og returnere til den på en begrenset tid.
I en statlig rom Markov-kjede sier vi at:
eller bruk overgangssannsynlighetene i trinn:
Gjentakelse er en klasseegenskap siden
AA.
Det er definert som gjennomsnittlig gjentakelsestid for en tilbakevendende tilstand med utgangspunkt i tilstanden som forventningen til
og er betegnet med
,Denne forventningen representerer gjennomsnittlig antall skritt det tar for kjeden å gå tilbake til den rekursive tilstanden .
Spesielt når vi skriver i stedet for .
En tilbakevendende tilstand sies å være
Positiv gjentakelse er en klasseegenskap siden
Vektoren sies å være en sannsynlighetsfordeling if
En sannsynlighetsfordeling sies å være stasjonær for en Markov-kjede med overgangssannsynlighetsmatrise if
I matriseform er ovennevnte ekvivalent med og betyr at hvis en initial tilfeldig variabel har en fordeling så er fordelingen av også , det vil si at denne fordelingen ikke endres over tid.
For å finne en mulig stasjonær fordeling av en kjede med matrise , er en metode å løse ligningssystemet
Den stasjonære distribusjonen er kanskje ikke unik eller eksisterer til og med ikke.
Eksistens og enhetHvis en Markov-kjede er irreduserbar og positivt rekursiv , har den en unik stasjonær distribusjon, og dette er gitt av
hvor er gjennomsnittlig gjentakelsestid for staten .
Konvergens til stasjonær distribusjonHvis en Markov-kjede er
deretter for noen
Konvergens for Markov-kjederHvis en Markov-kjede er
da begrenser sannsynligheten seg
eksisterer, de er gitt av
og er den eneste løsningen på ligningssystemet
En Markov-kjede sies å være irreduserbar hvis noen av følgende betingelser er oppfylt (tilsvarer hverandre):
Ehrenfest-kjeden eller den tilfeldige vandringen uten absorberende barrierer er eksempler på irreduserbare Markov-kjeder.
En Markov-kjede sies å være positivt rekursiv hvis alle dens tilstander er positivt rekursive. Hvis kjeden også er irreduserbar, er det mulig å vise at det er en enkelt invariant sannsynlighetsvektor og den er gitt av:
En Markov-kjede sies å være regelmessig (også primitiv eller ergodisk ) hvis det eksisterer en positiv kraft i overgangsmatrisen hvis oppføringer alle strengt tatt er større enn null.
Når tilstandsrommet er begrenset, hvis angir overgangsmatrisen til kjeden, har vi:
hvor er en matrise med alle sine rader lik den samme sannsynlighetsvektoren w , som viser seg å være den invariante sannsynlighetsvektoren til kjeden. Når det gjelder vanlige strenger, er denne invariante vektoren unik.
En Markov-kjede med begrenset tilstandsrom sies å være absorberende hvis følgende to betingelser er oppfylt:
Hvis vi betegner som A settet av alle absorberende tilstander og dets komplement som D , har vi følgende resultater:
hvor submatrisen Q tilsvarer tilstandene til settet , er identitetsmatrisen, er nullmatrisen og en del submatrise.
Hvis vi i stedet for å betrakte en diskret sekvens indeksert i settet av naturlige tall, vurderer de tilfeldige variablene som varierer i et kontinuerlig intervall av settet med reelle tall, vil vi ha en kjede i kontinuerlig tid. For denne typen strenger i kontinuerlig tid uttrykkes Markov-egenskapen som følger:
slik atFor en kontinuerlig Markov-kjede med et begrenset antall tilstander, kan en stokastisk matrise defineres gitt av:
Kjeden kalles homogen hvis . For en homogen kontinuerlig-tids Markov-kjede med et endelig antall tilstander, kan den såkalte infinitesimal-generatoren defineres som: [ 2 ]
Og det kan vises at den stokastiske matrisen er gitt av:
Hvis vi vurderer været i en region over forskjellige dager, er det mulig å anta at den nåværende tilstanden bare avhenger av den siste tilstanden og ikke av hele historien i seg selv, slik at Markov-kjeder kan brukes til å formulere grunnleggende klimatologiske modeller. For eksempel er det utviklet modeller for tilbakefall av nedbør basert på Markov-kjeder. [ 3 ]
En viktig anvendelse av Markov-kjeder er i Galton-Watson-prosessen . Dette er en forgreningsprosess som blant annet kan brukes til å modellere utviklingen av en epidemi (se matematisk modellering av epidemier ).
Siderangeringen til en nettside (brukt av Google i søkemotorene) er definert gjennom en Markov-kjede, der plasseringen som en side vil ha i søkemotoren vil bli bestemt av dens vekt i den stasjonære distribusjonen av kjeden.
Markov-kjeder brukes til å gi en analytisk løsning på visse simuleringsproblemer, for eksempel i køteori er M/M/1-modellen [ 4 ] faktisk en Markov-kjedemodell.
Det er mange sjansespill som kan modelleres gjennom en Markov-kjede. Gamblers ruinmodell , som fastslår sannsynligheten for at en person som satser på et sjansespill ender opp uten penger, er en av bruksområdene til Markov-kjedene på dette området.
Markov-kjeder kan brukes i enkle opsjonsprisingsmodeller for å avgjøre når en arbitrasjemulighet eksisterer , så vel som i modellering av aksjemarkedskrasj eller for å bestemme prisvolatilitet . I næringslivet har Markov-kjeder blitt brukt til å analysere kjøpsmønstrene for dårlige fordringer , planlegge for bemanningsbehov og analysere utstyrsutskifting.
Markov-kjeder brukes i populasjonsgenetikkteori for å beskrive endringen i genfrekvenser i en liten populasjon med diskrete generasjoner, utsatt for genetisk drift . Den har blitt brukt i konstruksjonen av Motō Kimuras diffusjonsmodell .
Ulike musikkkomposisjonsalgoritmer bruker Markov-kjeder, for eksempel Csound- eller Max -programvaren . En av komponistene som brukte denne teknikken i komposisjonene hans var Iannis Xenakis med verket Analoguique A et B (1958–59).
Markov-kjeder brukes i inventar, vedlikehold og prosessflyt.
De brukes i Boltzmann-maskiner .