Марковские процессы
Марковские процессы, или процессы без последействия, являются удобной математической моделью для многих реальных процессов. Представим себе систему, которая может находится в различных состояниях, и пусть её функционирование во времени носит стохастический характер, то есть состояния системы в момент времени в общем случае не определяется однозначно её состояниями в предыдущие моменты
. Следовательно процесс изменения во времени состояний этой системы можно описать некоторым случайным процессом
, заданным на интервале
и принимающим значения из множества
.
Пусть в моменты времени заданы сечения
,
,…,
случайного процесса
. Для момента времени
рассмотрим сечение
и условную функцию распределения
.
Определение. Случайный процесс называется марковским, если выполняется равенство
,
то есть его условная функция распределения вероятностей значений в будущий момент времени
не зависит от значений процесса в прошлые моменты
, а определяется лишь значением
в настоящий момент времени
.
Условная функция распределения
называется марковской переходной функцией.
Все марковские процессы можно разделить на классы в зависимости от структуры множества – значений случайного процесса
, и множества моментов времени наблюдения
. Если множество
– дискретное, то процесс
называется цепью Маркова.
При этом если – дискретное, то процесс называется цепью Маркова с дискретным временем, а если
– непрерывное, то процесс называется цепью Маркова с непрерывным временем.
Если оба множества и
непрерывные, то процесс называется непрерывным марковским процессом.