Hausarbeiten logo
Shop
Shop
Tutorials
De En
Shop
Tutorials
  • How to find your topic
  • How to research effectively
  • How to structure an academic paper
  • How to cite correctly
  • How to format in Word
Trends
FAQ
Zur Shop-Startseite › Mathematik - Stochastik

Markov-Ketten Grundlagen

Irreduzible und aperiodische Markov-Ketten

Titel: Markov-Ketten Grundlagen

Ausarbeitung , 2019 , 6 Seiten , Note: 1,3

Autor:in: Felix Busch (Autor:in)

Mathematik - Stochastik

Leseprobe & Details   Blick ins Buch
Zusammenfassung Leseprobe Details

Diese Ausarbeitung, welche mit LaTeX geschrieben wurde, umfasst die Grundlagen für das differenzierte Verständnis über Markov-Ketten im Studium.

Leseprobe


Inhaltsverzeichnis

1 Irreduzible und aperiodische Markov-Ketten

1.1 Definition

1.2 Lemma

1.3 Definition

1.4 Beispiel

1.5 Definition

1.6 Definition

1.7 Beispiel

1.8 Lemma

1.9 Satz

1.10 Korollar

Zielsetzung & Themen

Die vorliegende Arbeit befasst sich mit der mathematischen Herleitung und Definition von Eigenschaften irreduzibler und aperiodischer Markov-Ketten, um deren Konvergenzverhalten und Zustandsübergänge zu analysieren.

  • Definition von Zustandsräumen und Übergangsmatrizen
  • Bedeutung und mathematische Bestimmung der Periodizität
  • Irreduzibilität als Voraussetzung für Zustandsübergänge
  • Gedächtnislosigkeit als Kernmerkmal von Markov-Ketten
  • Beweisführung zur Existenz positiver Übergangswahrscheinlichkeiten

Auszug aus dem Buch

1.2 Lemma

Sei eine Markov-Kette (X0, X1, ...) mit Zustandsraum {s1, ..., sk} und Übergangsmatrix P gegeben. Seien i,j ∈ {1, ..., k}. Dann gilt ∀m, n ∈ N:

P(Xm+n = sj | Xm = si)=(P n)i,j . Das bedeutet, dies ist unabhängig von m.

Beweis. Sei m fest aber beliebig. Beweise die Behauptung durch Induktion über n: n = 1 : folgt direkt aus der Definition einer Markov-Kette: P(Xm+1 = sj | Xm = si) = Pi,j. n → n + 1 : Wir nehmen an, dass die Behauptung für n gilt. Zeige nun, dass diese auch für n+1 gilt: P(Xm+n+1 = sj | Xm = si) = Σ (k, q=1) P(Xm+n = sq, Xm+n+1 = sj | Xm = si) = Σ (k, q=1) P(Xm+n = sq | Xm = si)P(Xm+n+1 = sj | Xm+n = sq) = Σ (k, q=1) (Pn)i,qPq,j = (PnP)i,j = (Pn+1)i,j.

* bedeutet: Die Wahrscheinlichkeit eines gegebenen Weges durch den Übergangsgraph mit gegebenen Zeiten ist gleich dem Produkt der einzelnen Wege mit den entsprechenden Zeiten und folgt direkt aus der Gedächtnislosigkeit der Markov-Kette. Denn P(Xm+n+1 = sj | Xm = sq), wurde nicht den vorherigen Zustand betrachten, sondern einen Zustand der schon n Schritte zuvor durchlaufen wurde. Da es völlig egal ist an welchem Punkt wir n Schritte zuvor gewesen sind, sondern nur der unmittelbare Übergang von einem Zustand si in einen Zustand si+1 von Bedeutung ist, kann man sagen, dass diese Gleichheit gilt. Dies beschreibt die Haupteigenschaft der Markov-Ketten, die Gedächtnislosigkeit.

Zusammenfassung der Kapitel

1 Irreduzible und aperiodische Markov-Ketten: Einführung in die grundlegenden Konzepte von Zustandsübergängen innerhalb von Markov-Ketten.

1.1 Definition: Festlegung der Kriterien für die Kommunikation zwischen Zuständen in einer Markov-Kette.

1.2 Lemma: Mathematischer Nachweis der Unabhängigkeit der Übergangswahrscheinlichkeiten von der Startzeit m.

1.3 Definition: Abgrenzung zwischen irreduziblen und reduziblen Markov-Ketten basierend auf der Erreichbarkeit von Zuständen.

1.4 Beispiel: Veranschaulichung der Reduzibilität anhand von Übergangsgraphen.

1.5 Definition: Einführung des Periodizitätsbegriffs für Zustände über den größten gemeinsamen Teiler.

1.6 Definition: Klassifizierung von Zuständen und Ketten als aperiodisch oder periodisch.

1.7 Beispiel: Grafische Darstellung und Analyse zur Unterscheidung zwischen periodischen und aperiodischen Ketten.

1.8 Lemma: Bereitstellung eines Hilfssatzes über Mengen natürlicher Zahlen zur Unterstützung der weiteren Beweisführung.

1.9 Satz: Nachweis über die Existenz einer Zeit N, ab der Übergangswahrscheinlichkeiten in aperiodischen Ketten positiv werden.

1.10 Korollar: Erweiterung der Erkenntnisse auf aperiodische und irreduzible Markov-Ketten unter Berücksichtigung der globalen Erreichbarkeit.

Schlüsselwörter

Markov-Ketten, Zustandsraum, Übergangsmatrix, Irreduzibilität, Aperiodizität, Gedächtnislosigkeit, Periodizität, Wahrscheinlichkeit, Zustandsübergang, Markov-Eigenschaft, Induktionsbeweis, Korollar, Lemma, Mathematik, Stochastik

Häufig gestellte Fragen

Worum geht es in dieser wissenschaftlichen Arbeit?

Die Arbeit behandelt die mathematischen Eigenschaften und Definitionen von Markov-Ketten, insbesondere unter dem Aspekt der Irreduzibilität und Aperiodizität.

Welche zentralen Themenfelder werden abgedeckt?

Die zentralen Themen umfassen die Definition von Übergangsmatrizen, die Analyse von Zustandsübergängen sowie die Klassifizierung von Markov-Ketten hinsichtlich ihrer Erreichbarkeit und Periodizität.

Was ist das primäre Ziel der Untersuchung?

Das Ziel ist die präzise mathematische Herleitung der Bedingungen, unter denen Übergangswahrscheinlichkeiten in Markov-Ketten nach einer bestimmten Zeit positiv werden.

Welche wissenschaftliche Methode kommt zum Einsatz?

Es wird eine mathematisch-deduktive Methode angewendet, die auf Definitionen, Lemmata, Induktionsbeweisen und Sätzen basiert.

Was wird im Hauptteil der Arbeit behandelt?

Der Hauptteil widmet sich der formalen Definition von Zuständen, der Unterscheidung zwischen verschiedenen Kettentypen und den Beweisen zur Konvergenz und Periodizität.

Welche Schlüsselbegriffe charakterisieren die Arbeit?

Wichtige Begriffe sind Markov-Eigenschaft, Gedächtnislosigkeit, Übergangsmatrix, Irreduzibilität und Aperiodizität.

Wie definiert der Autor die Periodizität eines Zustandes?

Die Periode eines Zustandes ist definiert als der größte gemeinsame Teiler der Menge aller Zeiten, zu denen die Markov-Kette mit positiver Wahrscheinlichkeit in den Ausgangszustand zurückkehren kann.

Welche Bedeutung hat die Gedächtnislosigkeit für die Arbeit?

Die Gedächtnislosigkeit ist die Haupteigenschaft der Markov-Ketten; sie ermöglicht es, die Zukunft ausschließlich basierend auf dem aktuellen Zustand zu berechnen, ohne die Vergangenheit berücksichtigen zu müssen.

Was besagt das Lemma 1.8 für die Beweisführung?

Lemma 1.8 liefert die theoretische Grundlage, um zu belegen, dass für eine Menge natürlicher Zahlen mit bestimmten Eigenschaften (ggT=1 und Additionsabschluss) eine Schranke N existiert, ab der alle nachfolgenden Zahlen in der Menge enthalten sind.

Worin unterscheidet sich das Korollar 1.10 vom Satz 1.9?

Während Satz 1.9 die Rückkehr in den gleichen Zustand betrachtet, erweitert das Korollar 1.10 die Aussage auf den Übergang von einem Zustand in einen beliebigen anderen Zustand unter der zusätzlichen Voraussetzung der Irreduzibilität.

Ende der Leseprobe aus 6 Seiten  - nach oben

Details

Titel
Markov-Ketten Grundlagen
Untertitel
Irreduzible und aperiodische Markov-Ketten
Hochschule
Friedrich-Schiller-Universität Jena  (Mathematik und Informatik)
Veranstaltung
Seminar 2 - Wahrscheinlichkeitstheorie
Note
1,3
Autor
Felix Busch (Autor:in)
Erscheinungsjahr
2019
Seiten
6
Katalognummer
V538580
ISBN (eBook)
9783346147745
Sprache
Deutsch
Schlagworte
Markov-Ketten Periodisch Aperiodisch reduzibel irreduzibel Wahrscheinlichkeitstheorie
Produktsicherheit
GRIN Publishing GmbH
Arbeit zitieren
Felix Busch (Autor:in), 2019, Markov-Ketten Grundlagen, München, GRIN Verlag, https://www.hausarbeiten.de/document/538580
Blick ins Buch
  • Wenn Sie diese Meldung sehen, konnt das Bild nicht geladen und dargestellt werden.
  • Wenn Sie diese Meldung sehen, konnt das Bild nicht geladen und dargestellt werden.
  • Wenn Sie diese Meldung sehen, konnt das Bild nicht geladen und dargestellt werden.
  • Wenn Sie diese Meldung sehen, konnt das Bild nicht geladen und dargestellt werden.
  • Wenn Sie diese Meldung sehen, konnt das Bild nicht geladen und dargestellt werden.
Leseprobe aus  6  Seiten
Hausarbeiten logo
  • Facebook
  • Instagram
  • TikTok
  • Shop
  • Tutorials
  • FAQ
  • Zahlung & Versand
  • Über uns
  • Contact
  • Datenschutz
  • AGB
  • Impressum