WikiDer > Поглощающая цепь Маркова

Absorbing Markov chain

A (конечный) прогулка пьяницы является примером поглощающей цепи Маркова.^[1]

В математической теории вероятность, поглощающая цепь Маркова это Цепь Маркова в котором каждое состояние может достичь состояния поглощения. Поглощающее состояние - это состояние, в которое однажды нельзя выйти.

Как и общие цепи Маркова, могут существовать поглощающие цепи Маркова в непрерывном времени с бесконечным пространством состояний. Однако в этой статье основное внимание уделяется случаю дискретного времени в пространстве состояний.

Формальное определение

Цепь Маркова является поглощающей, если^[1]^[2]

есть хотя бы один поглощающее состояние и
можно перейти из любого состояния по крайней мере в одно поглощающее состояние за конечное число шагов.

В поглощающей цепи Маркова состояние, которое не поглощает, называется переходным.

Каноническая форма

Пусть поглощающая цепь Маркова с матрицей перехода п имеют т переходные состояния и р поглощающие состояния. потом

{ displaystyle P = left ({ begin {array} {cc} Q&R mathbf {0} & I_ {r} end {array}} right),}

куда Q это т-к-т матрица р ненулевой т-к-р матрица 0 является р-к-т нулевая матрица, и я_р это р-к-р единичная матрица. Таким образом, Q описывает вероятность перехода из одного переходного состояния в другое, пока р описывает вероятность перехода из некоторого переходного состояния в некоторое поглощающее состояние.

Фундаментальная матрица

Основным свойством поглощающей цепи Маркова является ожидаемое количество посещений переходного состояния. j начиная с переходного состояния я (до впитывания). Вероятность перехода с я к j точно k шаги - это (я,j) -вход Q^k. Подводя итог для всех k (от 0 до ∞) дает фундаментальную матрицу, обозначенную N. Можно доказать, что

{ displaystyle N = sum _ {k = 0} ^ { infty} Q ^ {k} = (I_ {t} -Q) ^ {- 1},}

куда я_т это т-к-т единичная матрица. (я, j) запись матрицы N ожидаемое количество раз, когда цепь находится в состоянии j, учитывая, что цепочка запущена в состоянии я. С матрицей N в свою очередь, легко получить другие свойства цепи Маркова.^[2]

Разница в количестве посещений

Разница в количестве посещений переходного состояния j с запуском в переходном состоянии я (до впитывания) - это (я,j) -вход матрицы

{ displaystyle N_ {2} = N (2N _ { operatorname {dg}} -I_ {t}) - N _ { operatorname {sq}},}

куда N_dg это диагональная матрица с той же диагональю, что и N и N_кв это Произведение Адамара из N с собой (т.е. каждая запись N возведен в квадрат).

Ожидаемое количество шагов

Ожидаемое количество шагов до поглощения при запуске в переходном состоянии я это яй элемент вектора

{ displaystyle mathbf {t} = N mathbf {1},}

куда 1 это длина-т вектор-столбец, все элементы которого равны 1.

Разница в количестве шагов

Разница в количестве шагов до поглощения при запуске в переходном состоянии я это яй элемент вектора

{ displaystyle (2N-I_ {t}) mathbf {t} - mathbf {t} _ { operatorname {sq}},}

куда т_кв это Произведение Адамара из т с собой (т.е. каждая запись т возведен в квадрат).

Переходные вероятности

Вероятность посещения переходного состояния j при запуске в переходном состоянии я это (я,j) -вход матрицы

{ displaystyle H = (N-I_ {t}) (N _ { operatorname {dg}}) ^ {- 1},}

куда N_dg это диагональная матрица с той же диагональю, что и N.

Поглощающие вероятности

Еще одно свойство - это вероятность быть поглощенным в поглощающем состоянии j при запуске из переходного состояния. я, какой (я,j) -вход матрицы

{ displaystyle B = NR.}

Примеры

Генерация строки

Рассмотрим процесс многократного переворачивания честная монета пока не появится последовательность (орел, решка, решка). Этот процесс моделируется поглощающей цепью Маркова с матрицей перехода

{ displaystyle P = { begin {bmatrix} 1/2 & 1/2 & 0 & 0 0 & 1/2 & 1/2 & 0 1/2 & 0 & 0 & 1/2 0 & 0 & 0 & 1 end {bmatrix}}.}

Первое состояние представляет собой пустой строкой, второй - строку «H», третий - строку «HT», а четвертый - строку «HTH». Хотя в действительности подбрасывание монеты прекращается после того, как генерируется цепочка «HTH», перспектива поглощающей цепи Маркова заключается в том, что процесс перешел в поглощающее состояние, представляющее цепочку «HTH», и, следовательно, не может выйти.

Для этой поглощающей цепи Маркова фундаментальная матрица имеет вид

{ displaystyle { begin {align} N & = (IQ) ^ {- 1} = left ({ begin {bmatrix} 1 & 0 & 0 0 & 1 & 0 0 & 0 & 1 end {bmatrix}} - { begin {bmatrix} 1 / 2 & 1/2 & 0 0 & 1/2 & 1/2 1/2 & 0 & 0 end {bmatrix}} right) ^ {- 1} [4pt] & = { begin {bmatrix} 1/2 & -1 / 2 & 0 0 & 1/2 & -1 / 2 - 1/2 & 0 & 1 end {bmatrix}} ^ {- 1} = { begin {bmatrix} 4 & 4 & 2 2 & 4 & 2 2 & 2 & 2 end {bmatrix}}. End { выровнено}}}

Ожидаемое количество шагов, начиная с каждого из переходных состояний, равно

{ displaystyle mathbf {t} = N mathbf {1} = { begin {bmatrix} 4 & 4 & 2 2 & 4 & 2 2 & 2 & 2 end {bmatrix}} { begin {bmatrix} 1 1 1 end {bmatrix}} = { begin {bmatrix} 10 8 6 end {bmatrix}}.}

Следовательно, ожидаемое количество подбрасываний монеты перед наблюдением за последовательностью (орел, решка, орел) равно 10, запись для состояния представляет собой пустую строку.

Кумулятивная вероятность завершения игры Змеи и лестницы по очередиN

Азартные игры

Игры, полностью основанные на шансе, можно смоделировать с помощью увлекательной цепи Маркова. Классический пример - древнеиндийская настольная игра. Змеи и лестницы. График справа^[3] отображает массу вероятности в одиночном поглощающем состоянии, которое представляет собой конечный квадрат, когда матрица перехода возводится в большую и большую степень. Чтобы определить ожидаемое количество ходов для завершения игры, вычислите вектор т как описано выше и изучить т_{Начните}, что составляет примерно 39,2.

Клиника инфекционных болезней

Пример тестирования на инфекционные заболевания в продуктах крови или в медицинских клиниках часто преподается как пример поглощающей цепи Маркова.^[4] Например, общественная модель Центров США по контролю и профилактике заболеваний (CDC) для ВИЧ и гепатита B:^[5] иллюстрирует свойство, заключающееся в том, что поглощение цепей Маркова может приводить к обнаружению болезни по сравнению с потерей обнаружения другими способами.

В стандартной модели CDC цепь Маркова имеет пять состояний: состояние, в котором человек не инфицирован, затем состояние с зараженным, но не обнаруживаемым вирусом, состояние с обнаруживаемым вирусом и состояния поглощения, когда человек бросил / пропал из клиники, или быть обнаруженным (цель). Типичные скорости перехода между марковскими состояниями - это вероятность п за единицу времени заражения вирусом, ш для скорости удаления периода окна (время до обнаружения вируса), q для показателя выхода / потери из системы, и d для обнаружения, предполагая типичную скорость ${ displaystyle lambda}$ на котором система здравоохранения проводит анализы рассматриваемого продукта крови или пациентов.

Классический пример модели скрининга на ВИЧ или вирус гепатита

Отсюда следует, что мы можем «пройтись по модели Маркова», чтобы определить общую вероятность обнаружения человека, начавшего как необнаруженный, путем умножения вероятностей перехода в каждое следующее состояние модели как:

${ displaystyle { frac {p} {(p + q)}} { frac {w} {(w + q)}} { frac {d} {(d + q)}}}$ .

Последующее общее абсолютное количество ложноотрицательных тестов - основная проблема CDC - тогда будет представлять собой частоту тестов, умноженную на вероятность достижения зараженного, но неопределяемого состояния, умноженную на продолжительность пребывания в зараженном неопределяемом состоянии:

${ displaystyle { frac {p} {(p + q)}} { frac {1} {(w + q)}} lambda}$ .

Смотрите также

внешняя ссылка

[Grin-1] а ^б Гринстед, Чарльз М .; Снелл, Дж. Лори (Июль 1997 г.). "Глава 11: Цепи Маркова" (PDF). Введение в вероятность. Американское математическое общество. ISBN 978-0-8218-0749-1.

[Kem-2] а ^б Кемени, Джон Г.; Снелл, Дж. Лори (Июль 1976 г.) [1960]. "Глава 3: Поглощающие цепи Маркова". In Gehring, F. W .; Халмос, П. Р. (ред.). Конечные цепи Маркова (Второе изд.). Нью-Йорк Берлин Гейдельберг Токио: Springer-Verlag. стр.224. ISBN 978-0-387-90192-3.

[3] На основании определения, приведенного в С.К. Альтоен; Л. Кинг; К. Шиллинг (март 1993 г.). «Как долго длится игра в змей и лестниц?». Математический вестник. The Mathematical Gazette, Vol. 77, № 478. 78 (478): 71–76. Дои:10.2307/3619261. JSTOR 3619261.

[4] результаты, поиск (1998-07-28). Цепи Маркова. Кембридж: Издательство Кембриджского университета. ISBN 9780521633963.

[5] Сандерс, Джиллиан Д .; Анайя, Генри Д .; Аш, Стивен; Хоанг, Туен; Golden, Joya F .; Баюми, Ахмед М .; Оуэнс, Дуглас К. (июнь 2010 г.). «Экономическая эффективность стратегий улучшения тестирования на ВИЧ и получения результатов: экономический анализ рандомизированного контролируемого исследования». Журнал общей внутренней медицины. 25 (6): 556–563. Дои:10.1007 / s11606-010-1265-5. ISSN 0884-8734. ЧВК 2869414. PMID 20204538.

[1]

[2]

[3]

[4]

[5]

Navigation