Stoch. modele układów oddziuałujących 2024

lista 2: łańcuchy Markowa w czasie ciągłym

  1. Załóżmy, że \(r = (r(x, y)){x, y \in S}\) jest macierzą przejścia dyskretnego łańcucha Markowa. Naturalnym sposobem przekształcenia go w łańcuch Markowa w czasie ciągłym jest wykonywanie kroków w momentach zdarzeń procesu Poissona o intensywności \(1\). Innymi słowy, czasy między przejściami są niezależnymi zmiennymi losowymi o standardowym rozkładzie wykładniczym.

  2. Załóżmy, że \(S = \{0, 1\}\). Najbardziej ogólna macierz \(Q\) jest wtedy dana wzorem \[\begin{pmatrix} -\beta & \beta \\ \delta & -\delta \end{pmatrix},\] gdzie \(\beta, \delta \ge 0\). Pokaż, że odpowiadające prawdopodobieństwa przejścia wyrażają się jako \[p_t(0, 0) = \frac{\delta}{\beta + \delta} + \frac{\beta}{\beta + \delta} e^{-t(\beta + \delta)}, \quad p_t(0, 1) = \frac{\beta}{\beta + \delta} [1 - e^{-t(\beta + \delta)}],\] oraz \[p_t(1, 1) = \frac{\beta}{\beta + \delta} + \frac{\delta}{\beta + \delta} e^{-t(\beta + \delta)}, \quad p_t(1, 0) = \frac{\delta}{\beta + \delta} [1 - e^{-t(\beta + \delta)}].\]

  3. Rozważ proces \(X\) z przestrzenią stanów \(\{0, 1\}\), który ewoluuje w następujący sposób. Jeśli rozpoczyna się w stanie \(0\), łańcuch pozostaje w \(0\) przez czas wykładniczy z parametrem \(\beta\), a następnie przechodzi do stanu \(1\). Następnie pozostaje w stanie \(1\) przez czas wykładniczy z parametrem \(\delta\), a następnie wraca do stanu \(0\), powtarzając się zgodnie z analogicznymi regułami, gdy rozpoczyna się w stanie \(1\). Niech \(p_t(i, j)\) będzie prawdopodobieństwem, że \(X_t = j\) przy założeniu, że \(X_0 = i\).

  4. Załóżmy, że \(S\) jest zbiorem skończonym. Pokaż, że jeśli \(q=(q(x,y))_{x,y \in S}\) jest \(Q\)-macierzą, to \(p_t=(p_t(x, y))_{x, y \in S}\) zdefiniowane przez \[p_t = e^{tq} = \sum_{n=0}^{\infty} \frac{t^n q^n}{n!}\] jest funkcją przejścia.