习题四¶
1¶
- \(p(X_{n+1}=j|X_n=i,X_{n-1}=i_{n-1},\cdots,X_0=i_0)=p(X_{n+1}=j|X_n=i)\),(独立性),从而\(X\)是马尔可夫链
- 当且仅当\(X_n\)独立同分布时,\(X\)是齐次马尔可夫链
2¶
(1)¶
令 \(x_n=i . x_{n+1}=j\). 当 \(i=0\) 时. \(j \in \{1\}\). 即 :\(p\left(x_{n+1}=1 \mid x_n=0\right)=1 ,\;i.e. p_{01}=1\). 当 \(i \geqslant 1\) 时. \(j \in\{i-1, i+1\}\)
若 \(n=2 k\) 为偶. 则 \(X_n=i=2l\) 为偶 于是 \(p\left(S_n=i\right)=C_{2 k}^{p+l} p^{k+l}(1-p)^{k-l} p\left(S_n=-i\right)=C_{2 k}^{k-l} p^{k-l}(1-p)^{k+l}\)
对 \(n\) 为奇时,同样有上式。于是有
同理 \(p\left(x_{n+1}=i-1 \mid x_n=i\right)=\frac{(1-p) p^i+p(1-p)^i}{p^i+(1-p)^i}\)
于是有
(2)¶
显然有 \(M_{n+1}=\max \left\{M_n, S_{n+1}\right\}\) ,于是 \(Y_{n+1}=\max \left\{ M_n , S_{n+1}\right\}\). 于是为 Markov的
\(Y_n=0\) 时
\(Y_n=i \geqslant 1 \text { 时. } Y_{n+1} \in\{i-1, i+1\}\)
3¶
\(\exists h^{-1}: \mathcal{E}' \mapsto \mathcal{E}\) 是双射
于是 \(Y=\left(Y_n, n \geqslant 0\right)\) 是从 Markov链。
4¶
5¶
6¶
\(p\left(X_2=2, X_3=21 X_1=1\right)=P_{12} P_{22}=0.2 \times 0.6=0.12\)
\(P\left(X_1=2, X_2=2 \mid X_0=1\right)=P_{12} \cdot P_{22}=0.12\)
7¶
\(P\left(X_0=2, X_1=2, X_2=1\right)=P_0(2) P_{22} P_{21}=0.5 \times 0.1 \times 0.5=0.025\)
\(P\left(X_1=2, X_2=2, X_3=1\right)=\left(P_0(1) P_{12}+P_0(2) P_{22}+P_0(3) P_{32}\right) P_{22} P_{21}=0.0075\)
8¶
故为 Markov的
9¶
\(p\left(X_0=1 \mid X_0=1\right)=1 . \quad p\left(X_1=1 \mid X_0=1\right)=0 . p\left(X_2=1 \mid X_0=1\right)=\sum p_{0i} p_{i_0}=\frac{1}{2}\).
\(P\left(X_3=1 \mid X_0=1\right)=\sum\limits_{i,j} P_{0 i} P_{i j} p_{j 0}=\frac{1}{4} . \quad P\left(X_4=1 \mid X_0=1\right)=\frac{3}{8}\).
10¶
\(p\left(X_3=1 \mid X_0=1, T=n\right)=0 . \quad \forall n \geqslant 4\)
\(P\left(X_3=1 \mid X_0=1,T>3\right)=0\)
11¶
\(X_n \in\{2,1,0,-1\}\)
令 \(X_n=i,X_{n+1}=j\).
(1) 当 \(i=0,-1\) 时. \(j \in\{0,1,2\}\)
(2) 当 \(i=1\) 时. \(j \in\{1,0,-1\}\)
(3) 当 \(i=2\) 时. \(j \in\{2,1,0\}\)
故
12¶
\(\begin{cases} q_1 = 0.3q_1+0.2q_2 \\ q_2 = 0.5q_1+0.1q_2+0.4\end{cases}\)
\(\implies q_2 = \frac{28}{53}\)
13¶
\(f_{ij}=\sum\limits_{k=1}^\infty f_{ij}^{(k)}\)
\(LHS = \frac{i}{N}\)
\(RHS = \sum\limits_{j=1}^NP_{ij}q_j=\sum\limits_{j=1}^Np_{ij}\frac{i}{N} = \frac{i}{N}\)
14¶
必要性 : 设 \(Q = \begin{pmatrix}a & 1-a \\ 1-b & b\end{pmatrix}\)
\(P=Q^2 = \begin{pmatrix}a^2+(1-a)(1-b) & * \\ * & b^2+(1-a)(1-b)\end{pmatrix}\)
\(\implies p_{11}+p_P{22} = a^2+(1-a)(1-b)+b^2+(1-a)(1-b)=(a+b-1)^2+1\geq 1\)
充分性 : 设 \(P = \begin{pmatrix}p & 1-p \\ 1-q & q\end{pmatrix}\)
注意到 \(Q = \begin{pmatrix} \frac{p-\sqrt{p+q-1}}{1-\sqrt{p+q-1}} & \frac{1-p}{1-\sqrt{p+q-1}} \\ \frac{q-\sqrt{p+q-1}}{1-\sqrt{p+q-1}} & \frac{1-q}{1-\sqrt{p+q-1}}\end{pmatrix}\) 是一个马尔科夫两步状态转移矩阵,且 \(P=Q^2\)
15¶
(1) : \(1 \leftrightarrow 2 \leftrightarrow 3,4 \rightarrow 1\). 但 \(1 \rightarrow 4\). 于是 \(d_1=d_2=d_3\).
故 \(d_1=d_2=d_3=d_4=1\).
(2) : \(1 \leftrightarrow 2 \leftrightarrow 3 \leftrightarrow 4\). F是 \(d_1=d_2=d_3=d_4\).
于是 \(d_1=d_2=d_3=d_4=\operatorname{g}(d\{3 n: n \in \mathbb{Z}\}=3\).
16¶
\(i\leftrightarrow j,\forall i,j\), 于是存在 \(n,s.t.p_{ii}^{(n)}>0\), 但 \(P^2=P\), 于是 \(n=1\) 换句话说 \(p_{ii}>0\), 从而 \(d_i=1,\forall i\) 从而 Markov链是非周期的
于是其为非周期不可约的,从而极限分布等于平稳分布
令 \(P=(\alpha_1,\alpha_2,\cdots,\alpha_n)\) 则 \(\alpha_i P = \alpha_i\), 于是 \(\alpha_i\) 是平稳分布,从而 \(\alpha_1=\alpha_2=\cdots=\alpha_n\)
\(\implies p_{ij}=p_{jj}\)
17¶
于是 \(P^k=Q \operatorname{diag}\left(1 , \frac{1}{2^k},\left(\frac{-1}{2}\right)^k\right) Q^{-1}\)
(2): \(1 \leftrightarrow 2\)
1,2为瞬时的,3 为常返的
19.¶
\(2 \leftrightarrow 3\)
\(f_{11}=a<1,p_{11}^{(n)}=a^n\implies \sum\limits_{n=1}^\infty p_{11}^{(n)}=\frac{a}{1-a}<\infty\) 从而1 为瞬时状态
显然有 \(p_{22}^{(2 n)}=p_{33}^{(n)}=1\). 于是 \(\sum p_{22}^{(n)}=\sum p_{33}^{(n)}=\infty\) 从而 2,3 为常返状态
21¶
- 状态空间包含三个互达等价类 \(\{1,2\} ,\{3,4\} ,\{5,6\}\). 其中 \(\{1,2\}\) 与 \(\{3,4\}\) 是常返的,而 \(\{5,6\}\) 是瞬时的. 且状态 \(\{1,2,3,4\}\) 均是非周期的. 从而由推论 4.1 可知,
其中, \(f_{i j}\) 为从 \(i\) 出发可达到 \(j\) 的概率, \(\tau_j\) 为状态 \(j\) 的平均返回时间. 观察转移概率矩阵的最后两行, 不难发现 \(f_{61}=f_{62}=f_{63}=f_{64}=\frac{1}{2}\). 对于状态 1 而言, \(\tau_1=E\left(T_1 \mid X_0=1\right)=1 \times \frac{1}{3}+\sum_{k=2}^{\infty} k \cdot \frac{2}{3} \cdot\left(\frac{1}{3}\right)^{k-2} \cdot \frac{2}{3}=2\), 从而
同理于状态 \(\{2,3,4\}\), 经计算可得
另一方面,由于状态 \(\{5,6\}\) 是瞬时的,显然有
2.由于状态 6 是个吸收态, 从而显然有
22¶
\(p_0\neq 0\implies d_i=1,\forall i\), 又存在 \(j\neq 0,s.t.p_j\neq 0\), 于是 \(\forall i,j: i\leftrightarrow j\), 于是其非周期不可约
注意到 \(\pi = (\frac{1}{m+1},\cdots,\frac{1}{m+1})\) 是平稳分布, 于是 \(\lim\limits_{n\to\infty} p_{ij}^{(n)} =\frac{1}{1+m}\)
24¶
用有序对 \(X_n=(*, *)\) 表示第 \(n\) 天与第 \(n+1\) 天的天气状况, 且其状态空间为 \(\{1,2,3,4\}\),其中, \(1=\) (晴, 晴 \(), 2=(\) 晴, 云 \(), 3=(\) 云, 晴 \(), 4=(\) 云, 云 \()\). 那么, 显然 \(X=\left\{X_n, n \geq 1\right\}\) 是一个 Markov 链, 且其转移概率矩阵为
设 \(\pi\) 是 \(X\) 的平稳分布, 则满足下面方程组
求解可得, \(\pi=\left(\frac{3}{11}, \frac{1}{11}, \frac{1}{11}, \frac{6}{11}\right)\). 此外,从长远来看,晴天的概率为 \(\frac{3}{11}+\frac{1}{11}=\frac{4}{11}\).
25¶
-
\(\pi = (\frac{9}{20},\frac{6}{20},\frac{5}{20})\)
-
计算可得 \(P^*=P\)
26¶
-
\(P\left(X_2=2, X_1=2 \mid X_0=1\right)=p_{12} p_{22}=0.1\).
-
\(P\left(X_2=1 \mid X_0=3\right)=p_{31}^{(2)}=0.36\).
-
记 \(T=\min \left\{n \geq 1: X_n \neq 3 \mid X_0=3\right\}\) ,那么 \(T\) 服从参数为 0.8 的几何分布, 从而 \(E(T)=\frac{5}{4}\).
27¶
-
\(\pi = (\frac{6}{25},\frac{10}{25},\frac{9}{25})\)
-
由定理 4.9 可知 \(\tau_j=\frac{1}{\pi_j}\)
28¶
\(P_1\) 不是, 考察回路 \((1,2,3,1)\) 即可
\(P_2\) 是 (画图容易看出 只需要验证 \(\sigma_1 = (1,2,3,1),\sigma_2=(2,3,4,2)\))
\(P_3\) 是 (画图容易看出)
\(P_4\) 不是, 考察回路 \((1,2,3,1)\) 即可