سلسلة ماركوف

A diagram representing a two-state Markov process. The numbers are the probability of changing from one state to another state.

في الرياضيات، سلسلة ماركوف هي عملية عشوائية تحمل خاصية ماركوفية. في عملية كهذه، تكهُنُ المستقبل انطلاقا من الحاضر لا يحتاج إلى معرفة الماضي. ولقد أخذت اسم مبتكرها أندري ماركوف.

سلسلة ماركوف في وقت متقطع هي السلسلة X₁, X₂, X₃, ... متكونة من متغيرات عشوائية. مجموعة القيمات الممكنة تدعي فضاء الحالات. وX_n تدعى حالة العملية في الآن n.

إذا كان توزيع الاحتمال الشرطي لX_n+1 على الحالات الفارطة دالة وحده إذن $P(X_{n+1}=x|X_{0},X_{1},X_{2},\ldots ,X_{n})=P(X_{n+1}=x|X_{n}).\,$ . حيث x هي جالة ما في العملية. المعادلة هذه تعرف بالاحتمال الماركوفي.

نشر أندري ماركوف النتائج الأولى حول هذه العملية عام 1906م.

التعميم إلى فضاء حالات لا متناهية معدودة أتى من كلموكوروف في 1936م.

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

خاصية سلاسل ماركوف

سلسلة ماركوف تتبع التوزيع الاحتمالي الشرطي $P(X_{n+1}|X_{n})\,$ الذي يدعى احتمال الانتقال بخطوة للعملية. احتمال الأنتقال بخطوتين أو ثلاثة أو أكثر يقع الحصول عليها انطلاقا من احتمال الأنتقال بخطوة وخاصية ماركوف هي:

P(X_{n+2}|X_{n})=\int P(X_{n+2},X_{n+1}|X_{n})\,dX_{n+1}=\int P(X_{n+2}|X_{n+1})\,P(X_{n+1}|X_{n})\,dX_{n+1}

وبنفس الطريقة،يمكن :

P(X_{n+3}|X_{n})=\int P(X_{n+3}|X_{n+2})\int P(X_{n+2}|X_{n+1})\,P(X_{n+1}|X_{n})\,dX_{n+1}\,dX_{n+2}

وهذه المعادلات يمكن تعميمها إلى مستقبل بعيد نسبيا n + k بضرب أحتمالات الأنتقال وبإجراء عملية التكامل k من المرّات.

والتوزيع الحالي ( P ( X_n هو توزيع الحالات في الوقت n. التوزيع الأول هو ( P ( X₀. وتطور العملية الأحتمالية بعد خطوة يمكن كتابته كالآتي:

P(X_{n+1})=\int P(X_{n+1}|X_{n})\,P(X_{n})\,dX_{n}

وهذه هي كتابة من كتابات معادلة برون فروبنيوس.

ويمكن أن توجد واحدة أو أكثر من توزيعات الحالات π بحيث أن:

\pi (X)=\int P(X|Y)\,\pi (Y)\,dY

حيث Y هو أسم مختار لمتغير التكامل. هذا التوزيع π يدعى "توزيع غير مبدل". والتوزيع غير المتبدل هو دالة مميزة للتوزيع الشرطي، المرتبطة بالقيمة الذاتية 1.

مواضيع متعلقة

مبرهنة برون فروبانيوس

الهامش

وصلات خارجية

v t e عمليات تصادفية
Discrete time	Bernoulli process Branching process Chinese restaurant process Galton–Watson process Independent and identically distributed random variables Markov chain Moran process Random walk Loop-erased Self-avoiding
Continuous time	Bessel process Birth–death process Brownian motion Bridge Excursion Fractional Geometric Meander Cauchy process Contact process Cox process Diffusion process Empirical process Feller process Fleming–Viot process Gamma process Hunt process Interacting particle systems Itō diffusion Itō process Jump diffusion Jump process Lévy process Local time Markov additive process McKean–Vlasov process Ornstein–Uhlenbeck process Poisson process Compound Non-homogeneous Point process Schramm–Loewner evolution Semimartingale Sigma-martingale Stable process Superprocess Telegraph process Variance gamma process Wiener process Wiener sausage
Both	Branching process Gaussian process Hidden Markov model (HMM) Markov process Martingale Differences Local Sub- Super- Random dynamical system Regenerative process Renewal process White noise
حقول وأخرى	Dirichlet process Gaussian random field Gibbs measure Hopfield model Ising model Markov random field Percolation Pitman–Yor process Point process Cox Poisson Potts model Random field Random graph
نماذج متسلسلات زمنية	Autoregressive conditional heteroskedasticity (ARCH) model Autoregressive integrated moving average (ARIMA) model Autoregressive (AR) model Autoregressive–moving-average (ARMA) model Generalized autoregressive conditional heteroskedasticity (GARCH) model Moving-average (MA) model
نماذج مالية	بلاك-درمان-توي بلاك-كاراسينسكي بلاك-شولز تشـِن Constant elasticity of variance (CEV) Cox–Ingersoll–Ross (CIR) Garman–Kohlhagen Heath–Jarrow–Morton (HJM) هستون هو–لي هل–وايت LIBOR market SABR volatility Vašícek
Actuarial models	Bühlmann Cramér–Lundberg Risk process Sparre–Anderson
Queueing models	Bulk Fluid Generalized queueing network M/G/1 M/M/1 M/M/c
الخصائص	Càdlàg paths Continuous Continuous paths Ergodic Exchangeable Feller-continuous Gauss–Markov Markov Mixing Piecewise deterministic Predictable Progressively measurable Self-similar Stationary Time-reversible
نظريات الحد	Central limit theorem Donsker's theorem Doob's martingale convergence theorems Ergodic theorem Fisher–Tippett–Gnedenko theorem Large deviation principle Law of large numbers (weak/strong) Law of the iterated logarithm Maximal ergodic theorem Sanov's theorem
Inequalities	Burkholder–Davis–Gundy Doob's martingale Kunita–Watanabe
أدوات	صيغة كاميرون-مارتن Convergence of random variables Doléans-Dade exponential Doob decomposition theorem Doob–Meyer decomposition theorem Doob's optional stopping theorem Dynkin's formula Feynman–Kac formula Filtration Girsanov theorem Infinitesimal generator Itō integral Itō's lemma Kolmogorov continuity theorem Kolmogorov extension theorem Lévy–Prokhorov metric Malliavin calculus Martingale representation theorem Optional stopping theorem Prohorov theorem Quadratic variation Reflection principle Skorokhod integral Skorokhod's representation theorem Skorokhod space Snell envelope Stochastic differential equation Tanaka Stopping time Stratonovich integral Uniform integrability Usual hypotheses Wiener space Classical Abstract
تخصصات	Actuarial mathematics Econometrics Ergodic theory Extreme value theory (EVT) Large deviations theory Mathematical finance Mathematical statistics Probability theory Queueing theory Renewal theory Ruin theory Statistics Stochastic analysis Time series analysis تعلم آلي
قائمة الموضوعات تصنيف