Файл: Сирл, С. Матричная алгебра в экономике.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 16.10.2024

Просмотров: 189

Скачиваний: 1

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

двумя периодами позже вероятности будут следующие:

1

0

0

 

x't = x 0P*’ = [0 1 0] 0,39

0,36

0,25

[0,39 0,36 0,25].

0,20

0,44

0,36

 

Предположим, что требуется купить с аукциона подержанную ма­ шину и невозможно осмотреть ее заранее. На аукционе продаются сотни таких машин (все они продаются поштучно), из них половина сломана и требует ремонта, треть нуждается в регулировке и шестая часть находится в рабочем состоянии. Тогда, имея в виду будущую покупку, мы можем записать:

J J 2 3 6

Если поведение машины характеризуется приведенной ранее матрицей Р, то

х ,’= х 0’ Р2- ' 1

1

I '

Ч

0

0 '

[0,66 0,19 0,15].

0,39

0,36

0,25

2

3

6

0,20

0,44

0,36_

 

 

 

 

 

Следовательно, если машина куплена на этом аукционе, то с вероят­ ностью 0,66 она окажется сломанной и будет нуждаться в ремонте спустя два периода времени. Заметим, что состояние 1 является по­ глощающим состоянием; вектор стационарных вероятностей равен

[1 0 0].

б) ПЕРИОДИЧЕСКОЕ (ЦИКЛИЧЕСКОЕ) ПОВЕДЕНИЕ

Пример. По матрице вероятностей перехода Р,

0 1 0 Р 0 0 1 1 0 0

порождающей марковскую цепь, можно судить о периодическом, или циклическом, поведении. Стационарных вероятностей для такой цепи не существует, так как вероятности состояний при больших п не стре­ мятся к определенным величинам, независящим от начального состоя­ ния. Чтобы показать это, предположим, что система в период 0 находи­ лась в состоянии 1, тогда:

х ' = [1 0 0];

= х о Р —[0 *2 х'г Р ~ [0 *3 =--X’t Р = [1 *4 = Р = [0

1

0];

0

И;

0

0]=Ч 6

1

Ч

Ц II о

 

1

209



и мы найдем, что х'5— х ’2, хё = хз, х\ =

 

х[ и т. д.

Таким образом,

даже принимая во внимание, что вектор х

'

=

Г

^

1

1

1 1

удовлетво­

 

 

 

^

 

ряет уравнению х' = х'Р, нельзя сказать, что стационарные вероят­

ности равны каждая так как состояние системы в любой будущий

период можно точно предсказать, если известно начальное состояние. Начав с состояния 1 в нулевой период, система попадает в него же в пе­ риоды 3, 6, 9, ..., в состояние 2 — в периоды 1, 4, 7, ..., в состояние 3 — в периоды 2, 5, 8...... Такая система называется периодической. Вектор х ', удовлетворяющий уравнению (1) в периодической системе, можно рассматривать как вектор вероятностей лишь в случае, когда начальное состояние системы неизвестно. В этом случае, если вероят­ ности каждого состояния системы в начальный момент равны, то ве­ роятность пребывания в любом из конкретных состояний в любой будущий период дается элементами х'1.

в) ПЕРИОДИЧЕСКИЕ МНОЖЕСТВА И ЭРГОДИЧЕСКИЕ СИСТЕМЫ

Даже если марковская цепь имеет одно или более переходных сос­ тояний, из этого не следует существования поглощающего состояния (или состояний). Но, предположим, система имеет такое множество состояний, что, однажды попав в него, она может делать переходы только внутри множества и никогда не покинет его. Такое множество называется периодическим множеством. Например, если система имеет матрицу Р,

~0,3

0,7

0

0

"

0,6

0,4

0

0

 

0

0,2

0,3

0,5

 

0,1

0,2

0,4

0,3

 

то, однажды достигнув того или другого из первых двух состояний,

*система будет оставаться в одном из них. Вероятность покинуть ка­

кое-либо из этих состояний равна нулю. Таким образом состояния 1 и 2 образуют периодическое множество.

Периодическое множество, которое имеет только одно состояние, является поглощающим состоянием. Это простейший случай периоди­ ческого множества. Так, в системе, имеющей матрицу Р,

Р = 0,2 0,8'

0 1

1Вектор вероятностей х' , рассматриваемый в этом примере, имеет и другую интерпретацию: это ожидаемая частота пребывания в каждом из состояний за долгий период временй. Система будет находиться в каждом из состояний в тече­ ние трети общего времени (если оно достаточно велико). Следовательно, если известно начальное состояние, но неизвестно число периодов, истекших с началь­ ного момента до настоящего времени, то элементы вектора х' можно рассмат­ ривать как вероятности, соответствующие различным состояниям.

210


рассмотренную раньше, состояние 2 есть периодическое множество (состоящее из одного состояния). Периодическое множество, содер­ жащее более чем одно состояние, иногда называется обобщенным поглощающим состоянием.

Система в целом может быть периодическим множеством. Говорят, что система является эргодтеской, если переход из произвольного состояния в любое другое состояние возможен за конечное число ша­ гов. Таким образом, если марковская цепь эргодична, полное мно­ жество состояний есть периодическое множество, если же эргодич­ ности нет, тогда в системе может быть более чем одно периодическое множество. Интерес представляют системы, содержащие более чем одно периодическое множество, потому что в этом случае стационарные вероятности не существуют, так как поведение системы по прошествии достаточно большого количества времени зависит от начального сос­ тояния.

Пример. Рассмотрим систему с матрицей Р.-

”0

1

0

0

1

0

0

0

0

0,3

0

0,7

0

0

0

1

Состояния 1 и 2 образуют периодическое множество, состояние 3 есть переходное состояние, а состояние 4 — второе периодическое мно­ жество (или другими словами, поглощающее состояние). При доста­ точно больших п вероятности пребывания в тех или иных состояниях зависят от начального состояния системы. Например, если начальным было состояние 1 или 2, то система будет как бы описывать цикл из этих двух состояний; если начать с состояния 4, то система навсег­ да останется в нем; если начальным будет состояние 3, то в 30% слу­

чаев

система будет переходить

в первое периодическое

множество

и в

70%

случаев — во

второе

периодическое

множество.

Элементы

вектора

вероятностей

%', удовлетворяющие

уравнению

х = х'Р

и равные

соответственно

 

 

 

в данном случае не имеют осмысленной интерпретации.

г) СУЩЕСТВОВАНИЕ СТАЦИОНАРНЫХ ВЕРОЯТНОСТЕЙ

Как установлено раньше, если система содержит более чем одно периодическое множество, то стационарных вероятностей не сущест­ вует. Однако даже если система эргодична, стационарные вероятности не всегда существуют, как, например, в периодической системе, рас­ смотренной в разделе б параграфа 3. Эта система была эргодической, тем не менее вероятности удаленных по времени состояний зависели от начального состояния.

211


Марковская цепь регулярна, если существует некоторое целое поло­ жительное число п, такое, что любой элемент матрицы Рп, исключая элементы, относящиеся к переходным состояниям, больше нуля. Если цепь регулярна, тогда можно показать, что при больших п матрица Рп стремится к предельной (назовем ее Р*), в которой все строки равны между собой и элементы которой совпадают с соответст­ вующими элементами вектора стационарных вероятностей х '. Стацио­ нарные вероятности существуют тогда и только тогда, когда система регулярна.

При проверке системы на регулярность переходные состояния не рассматриваются. Например, в системе с матрицей Р,

-0,6 0 0,4"

Р ^ 0,3 0,5 0,2 _0,7 0 0,3

состояние 2 есть переходное состояние с предельной вероятностью, рав­ ной нулю. Тогда система (вероятности, относящиеся к состоянию 2 исключаются из рассмотрения) удовлетворяет определению регуляр­ ной системы, и стационарные вероятности для состояний 1 и 3 дей­ ствительно существуют. Читатель может проверить, что с ростом п матрица Рп стремится к

7

4

11

0

11

7

4

 

0

11

И

7

4

 

0

11

11

матрице, у которой все строки одинаковы и совпадают с вектором стационарных вероятностей х ', удовлетворяющим равенству х' =

= х'Р.

Пример. Рассмотрим систему с матрицей

ГО,7

0,3

0 1

Р , . 0

0,8

0,2

0,4

0,3

0,3

Здесь нет переходных состояний. Чтобы проверить систему на регуляр­ ность, вычислим Рп для увеличивающихся значений п. Для п = 2

“0,49 0,45 0,06" Р2 0,08 0,70 0,22 .

0,40 0,45 0,15

каждый элемент больше 0. Таким образом, стационарные вероятности для этой системы будут существовать.

212