Понятие в теории вероятностей
В теории вероятностей ядро Маркова (также известное как стохастическое ядро или ядро вероятности ) представляет собой отображение, которое в общей теории марковских процессов играет ту же роль, что и матрица перехода в теории марковских процессов с конечным пространством состояний . [1]
Формальное определение
Пусть и будут измеримыми пространствами . Марковское ядро с источником и целью , иногда записываемое как , является функцией со следующими свойствами:
- Для каждого (фиксированного) , карта - измерима
- Для каждого (фиксированного) , карта является вероятностной мерой на
Другими словами, он сопоставляет каждой точке вероятностную меру на , такую, что для каждого измеримого множества отображение измеримо относительно -алгебры . [2]
Примеры
Простое случайное блужданиена целых числах
Возьмем , и ( множество мощности ). Тогда ядро Маркова полностью определяется вероятностью, которую оно назначает синглтонам для каждого :
- .
Теперь случайное блуждание , которое идет вправо с вероятностью и влево с вероятностью, определяется как
где — дельта Кронекера . Вероятности перехода для случайного блуждания эквивалентны ядру Маркова.
ОбщийМарковские процессысо счетным пространством состояний
В более общем случае берем и оба счетных и . Опять же, ядро Маркова определяется вероятностью, которую оно назначает одноэлементным наборам для каждого
- ,
Мы определяем марковский процесс, определяя вероятность перехода , где числа определяют (счетную) стохастическую матрицу , т.е.
Затем мы определяем
- .
Опять же, вероятность перехода, стохастическая матрица и ядро Маркова являются эквивалентными переформулировками.
Ядро Маркова определяется функцией ядра и мерой
Пусть будет мерой на и измеримой функцией относительно произведения -алгебры такой, что
- ,
то есть отображение
определяет марковское ядро. [3] Этот пример обобщает пример счетного марковского процесса, где была счетная мера . Более того, он охватывает другие важные примеры, такие как ядра свертки, в частности марковские ядра, определяемые уравнением теплопроводности. Последний пример включает гауссово ядро на со стандартной мерой Лебега и
- .
Измеримые функции
Возьмем произвольные измеримые пространства, и пусть будет измеримой функцией. Теперь определим ie
- для всех .
Обратите внимание, что индикаторная функция является измеримой для всех тогда и только тогда, когда она является измеримой.
Этот пример позволяет нам думать о ядре Маркова как об обобщенной функции с (в общем случае) случайным, а не определенным значением. То есть, это многозначная функция , где значения не имеют одинакового веса.
Процесс Гальтона-Уотсона
В качестве менее очевидного примера возьмем , и действительные числа со стандартной сигма-алгеброй борелевских множеств . Тогда
где — число элементов в состоянии , — случайные величины iid (обычно со средним 0) и где — индикаторная функция. Для простого случая подбрасывания монеты это моделирует различные уровни доски Гальтона .
Состав марковских ядер
Учитывая измеримые пространства , мы рассматриваем марковское ядро как морфизм . Интуитивно, вместо того, чтобы приписывать каждому четко определенную точку, ядро приписывает "размытую" точку, в которой известно только с некоторым уровнем неопределенности, как в реальных физических измерениях. Если у нас есть третье измеримое пространство , и вероятностные ядра и , мы можем определить композицию с помощью уравнения Чепмена-Колмогорова
- .
Композиция ассоциативна по теореме о монотонной сходимости, а единичная функция, рассматриваемая как марковское ядро (т.е. дельта-мера ), является единицей этой композиции.
Эта композиция определяет структуру категории на измеримых пространствах с марковскими ядрами в качестве морфизмов, впервые определенную Ловером [4] , категорию марковских ядер .
Вероятностное пространство, определяемое распределением вероятностей и ядром Маркова
Композиция вероятностного пространства и вероятностного ядра определяет вероятностное пространство , где вероятностная мера задается выражением
Характеристики
Полупрямое произведение
Пусть — вероятностное пространство и марковское ядро от до некоторого . Тогда существует единственная мера на , такая что:
Регулярное условное распределение
Пусть будет борелевским пространством , -значной случайной величиной на пространстве мер и под- -алгеброй. Тогда существует марковское ядро из в , такое, что является версией условного ожидания для каждого , т.е.
Это называется регулярным условным распределением данных и не является однозначно определенным.
Обобщения
Ядра перехода обобщают ядра Маркова в том смысле, что для всех отображение
может быть любым типом (неотрицательной) меры, не обязательно вероятностной мерой.
Внешние ссылки
Ссылки
- ^ Рейсс, RD (1993). Курс по точечным процессам . Springer Series in Statistics. doi :10.1007/978-1-4613-9308-5. ISBN 978-1-4613-9310-8.
- ^ Кленке, Ахим (2014). Теория вероятностей: всеобъемлющий курс . Universitext (2-е изд.). Springer. стр. 180. doi :10.1007/978-1-4471-5361-0. ISBN 978-1-4471-5360-3.
- ^ Эрхан, Цинлар (2011). Вероятность и стохастика . Нью-Йорк: Springer. С. 37–38. ISBN 978-0-387-87858-4.
- ^ FW Lawvere (1962). «Категория вероятностных отображений» (PDF) .
- Бауэр, Хайнц (1996), Теория вероятностей , де Грюйтер, ISBN 3-11-013935-9
- § 36. Ядра и полугруппы ядер
Смотрите также