马尔可夫链的过程一个>
随机过程称为马尔可夫过程的(在俄罗斯数学家<一个href="//www.rctutku.com/biography/Andrey-Andreyevich-Markov" class="md-crosslink" data-show-preview="true">安德烈Andreyevich马尔可夫一个>如果在任何时候t的<一个href="//www.rctutku.com/science/conditional-probability" class="md-crosslink autoxref" data-show-preview="true">条件概率一个>任意的未来事件给整个process-i.e的过去。,鉴于X(年代)为所有年代≤t等于给定未来事件的条件概率X(t)。因此,为了使一个概率对未来行为的声明<一个href="//www.rctutku.com/science/Markov-process" class="md-crosslink autoxref" data-show-preview="true">马尔可夫过程一个>,这不是更有助于了解整个历史过程比只知道其当前状态。的条件分布X(t+h)给X(t)称为<年代p一个n我d="ref407470">过程的转移概率。如果这个条件分布不依赖t据说,这一过程“静止”<一个class="md-dictionary-link md-dictionary-tt-off eb" data-term="transition" href="//www.rctutku.com/dictionary/transition" data-type="EB">过渡一个>概率。一个马尔可夫过程<年代p一个n我d="ref407471">平稳过渡概率可能会或可能不会是一个固定的过程在前款规定的感觉。如果Y1年代ub>,Y2年代ub>,独立随机变量和…X(t)=Y1年代ub>+⋯+Yt,随机过程X(t)是一个马尔可夫过程。鉴于X(t)=x的条件概率X(t+h)属于一个间隔(一个,b)是<一个href="//www.rctutku.com/science/probability" class="md-crosslink autoxref" data-show-preview="true">概率一个>那Yt+ 1年代ub>+⋯+Yt+h属于翻译时间间隔(一个−x,b−x);独立,因为这个条件概率的值相同X(1)、…X(t−1)也。如果Ys是恒等分布以及独立,这种转变并不依赖于概率t,然后X(t)是一个马尔可夫过程<一个class="md-dictionary-link md-dictionary-tt-off eb" data-term="stationary" href="//www.rctutku.com/dictionary/stationary" data-type="EB">静止的一个>过渡的可能性。有时X(t)被称为<年代p一个n我d="ref407472">随机漫步一个>,但这个术语并不是完全的标准。由于泊松过程和<一个href="//www.rctutku.com/science/Brownian-motion" class="md-crosslink autoxref" data-show-preview="true">布朗运动一个>创建从随机漫步通过简单的限制的过程,他们也与平稳过渡概率马尔科夫过程。Ornstein-Uhlenbeck过程定义为解决方案(<一个href="#ref-14387">19一个>)随机<一个href="//www.rctutku.com/science/differential-equation" class="md-crosslink autoxref" data-show-preview="true">微分方程一个>(<一个href="#ref-14388">18一个>)也是一个马尔可夫过程平稳过渡概率。
Ornstein-Uhlenbeck过程和许多其他的马尔可夫过程和平稳过渡概率像静止的过程t→∞。大致说来,的条件分布X(t)给X(0)=x收敛,t→∞一个分布,称为<年代p一个n我d="ref407473">平稳分布,并不依赖于开始<一个class="md-dictionary-link md-dictionary-tt-off eb" data-term="value" href="//www.rctutku.com/dictionary/value" data-type="EB">价值一个>X(0)=x。此外,以概率1,这个过程花费的时间比例在任何子集的状态空间收敛于设定的固定的概率;而且,如果X(0)开始平稳分布,给出了过程成为一个固定的过程。Ornstein-Uhlenbeck过程中定义<一个href="//www.rctutku.com/science/equation" class="md-crosslink autoxref" data-show-preview="true">方程一个>(19)是静止的V(0)<一个href="//www.rctutku.com/topic/normal-distribution" class="md-crosslink autoxref" data-show-preview="true">正态分布一个>意思是0和<一个href="//www.rctutku.com/topic/variance" class="md-crosslink autoxref" data-show-preview="true">方差一个>σ<年代up>2年代up>/ (2米f)。
在另一个极端<年代p一个n我d="ref407474">吸收过程。一个例子是马尔可夫过程描述彼得的财富在比赛中赌徒的毁灭。这个过程是吸收当彼得或者保罗是毁了。感兴趣的问题涉及被吸收的概率在一个状态而不是另一个时间的分布至吸收。一些额外的随机过程遵循的例子。
的<年代p一个n我d="ref407475">埃伦扩散模型
埃伦的长期行为过程可以推断出从一般定理在离散时间马尔可夫过程与离散状态空间和平稳过渡概率。让T(j第一次)表示t≥1,X(t)=j和<一个href="//www.rctutku.com/topic/set-mathematics-and-logic" class="md-crosslink autoxref" data-show-preview="true">集一个>T(j)=∞如果X(t)≠j对所有t。假定所有国家我和j有可能从过程我来j在一些steps-i.e。,P{T(j)<∞|X(0)=我}> 0。如果方程<年代p一个nclass="md-formula">有一个解决方案问(j)这是一个概率分布。问(j)≥0,Σ问(j)= 1时,解决方案是独一无二的,是过程的平稳分布。此外,问(j)= 1 /E{T(j)|X(0)=j};对于任何初始状态j,时间的比例t那X(t)=我与概率1收敛问(我)。
特殊情况的埃伦的过程,假设N又大又X(0)= 0。根据热力学第二定律的确定性预测<一个class="md-dictionary-link md-dictionary-tt-off mw" data-term="entropy" href="https://www.merriam-webster.com/dictionary/entropy" data-type="MW">熵一个>这一系统只会增加,这意味着X(t)将稳步增长,直到一半的分子膜的两侧。事实上,根据上述随机模型,有压倒性的概率X(t最初)增加。然而,由于随机波动,系统偶尔从配置有大的熵的熵较小甚至最终返回到起始状态,热力学第二定律的无视。
公认的决议<一个class="md-dictionary-link md-dictionary-tt-off eb" data-term="contradiction" href="//www.rctutku.com/dictionary/contradiction" data-type="EB">矛盾一个>是这样的一个系统的时间必须在订单一个可观测的熵的减少可能发生的非常非常长,永远不可能减少实验验证。只考虑最极端的情况下,让T表示第一次t≥1,X(t)= 0-i.e。,的t我米e of first return to the starting configuration having all molecules on the right-hand side of the membrane. It can be verified by substitution in equation (<一个href="#ref-14386">20.一个>),是“埃伦的平稳分布模型<一个href="//www.rctutku.com/science/binomial-distribution" class="md-crosslink autoxref" data-show-preview="true">二项分布一个><年代p一个nclass="md-formula">因此E(T)= 2<年代up>N。例如,如果N只有100的速度和转换发生10<年代up>6年代up>每秒,E(T10)的订单<年代up>15年代up>年。因此,在宏观尺度上,可以进行实验测量,热力学第二定律。
的<年代p一个n我d="ref407477">对称随机漫步
队列模型一个>
反射障碍出现其他问题。例如,如果B(t)<一个class="md-dictionary-link md-dictionary-tt-off eb" data-term="denotes" href="//www.rctutku.com/dictionary/denotes" data-type="EB">表示一个>布朗运动,然后X(t)=B(t)+ct被称为漂移布朗运动吗c。该模型适合粒子的布朗运动的影响下<一个href="//www.rctutku.com/topic/constant" class="md-crosslink autoxref" data-show-preview="true">常数一个>力场等重力。可以添加一个反射障碍在0到占了布朗粒子的反映它的容器的底部。沉降的结果是一个模型,c< 0在稳定状态t→∞给出的统计推导法的压力<一个href="//www.rctutku.com/science/function-mathematics" class="md-crosslink autoxref" data-show-preview="true">函数一个>在等温大气的深度。一样可以获得普通的布朗运动的极限新随机漫步的步骤变得非常大的数量和大小的各个步骤很小,布朗运动在0可以获得反映障碍的限制新随机漫步和反射在0。以这种方式,布朗运动反映屏障在分析的过程中发挥作用<一个class="md-dictionary-link md-dictionary-tt-off eb" data-term="queuing" href="//www.rctutku.com/dictionary/queuing" data-type="EB">排队一个>系统。事实上,现代概率论中最重要的用途之一布朗运动和其他扩散过程是作为更复杂的随机过程的近似。精确的数学描述这些近似使的概括<一个href="//www.rctutku.com/science/central-limit-theorem" class="md-crosslink autoxref" data-show-preview="true">中心极限定理一个>从随机变量序列的随机序列的功能。
保险<年代p一个n我d="ref407480">风险一个>理论
鞅理论
严格地说,这个结果不是真的没有附加条件,必须验证为任何特定的应用。看看它是如何有效地工作,再次考虑的问题赌徒的毁灭,让N是第一个值n这样年代n= 0或米;也就是说,N表示随机时间破坏首先发生,游戏结束。在的情况下p= 1/2,应用方程(<一个href="#ref-14385">21一个>)鞅fn=年代n,一起观察fN= 0或米,<一个class="md-dictionary-link md-dictionary-tt-off eb" data-term="yields" href="//www.rctutku.com/dictionary/yields" data-type="EB">收益率一个>的平等x=f0年代ub>=E(fN|f0年代ub>=x)=米[1−问(x),可以立即解决给答案在方程(<一个href="#ref-14398">6一个>)。为p≠1/2,利用鞅fn= (问/p)<年代up>年代n和类似的推理来获得<年代p一个nclass="md-formula">从第一个方程在(<一个href="#ref-14398">6一个>)容易遵循。游戏的预期持续时间是通过一个类似的论点。
一个特别美丽的和重要的结果是鞅收敛<一个href="//www.rctutku.com/topic/theorem" class="md-crosslink autoxref" data-show-preview="true">定理一个>,这意味着一个负的鞅收敛概率为1n→∞。这意味着,如果一个赌徒的连续的命运形成一个鞅(非负),他们不能继续<一个class="md-dictionary-link md-dictionary-tt-off eb" data-term="fluctuate" href="//www.rctutku.com/dictionary/fluctuate" data-type="EB">波动一个>无限期地但必须方法一些限制的价值。
基本鞅理论和它的许多应用程序是由美国数学家约瑟夫·杜布狮子座在1940年代和50年代后由于一些早期的结果<一个href="//www.rctutku.com/biography/Paul-Levy" class="md-crosslink autoxref" data-show-preview="true">保罗利维一个>。随后它已成为其中一个最强大的工具来研究<年代p一个n我d="ref407483">随机过程一个>。
大卫·o·Siegmund一个>年代p一个n>年代ection>