Nächste Seite: Rekursive Darstellung
Aufwärts: Modellbeschreibung und Beispiele
Vorherige Seite: Zustandsraum, Anfangsverteilung und Übergangswahrscheinlichkeiten
  Inhalt
Beispiele
- Wettervorhersage
(vgl. O. Häggström (2002)
Finite Markov Chains and Algorithmic Applications. CU
Press, Cambridge)
- Wir betrachten zunächst Regionen, in denen sich typischerweise
längere Regen- bzw. Trockenperioden abwechseln, wobei Regentage
bzw. Sonnentage im Mittel etwa gleich oft vorkommen.
- Dann ist es relativ einfach, das Wetter des folgenden Tages
vorherzusagen, falls dabei nur die beiden ,,Zustände''
,,Regen'' bzw.
,,Sonnenschein'' betrachtet werden.
- Wenn wir annehmen, dass die Prognose in 75% aller Fälle richtig
ist (und zwar unabhängig davon, ob es zum gegenwärtigen Tag regnet
oder die Sonne scheint),
- dann kann die Wettervorhersage durch eine Markov-Kette mit der
folgenden Übergangsmatrix modelliert werden:
 |
(7) |
- In Regionen, in denen diese Symmetrie zwischen ,,Regen'' bzw.
,,Sonnenschein'' nicht vorliegt, sondern Sonnentage wesentlich
öfter als Regentage vorkommen, sollte
- die Wettervorhersage nicht durch die in (7)
betrachtete Übergangsmatrix modelliert werden.
- In diesem Fall könnte beispielsweise die Übergangsmatrix
 |
(8) |
ein geeignetes Modell sein.
- Zufällige Irrfahrten; Risikoprozesse
- Warteschlangen
- Die Anzahl der Kunden, die vor einer beliebigen, jedoch fest
vorgegebenen Kasse eines Supermarktes warten, lässt sich wie folgt
durch eine Markov-Kette modellieren.
- Sei
die Anzahl der Kunden, die bei Öffnung des
Supermarktes vor der Kasse warten.
- Mit
bezeichnen wir die zufällige Anzahl derjenigen Kunden,
die sich vor der Kasse anstellen, während der
-te Kunde bedient
wird;
.
- Dabei setzen wir voraus, dass die Zufallsvariablen
unabhängig und
identisch verteilt sind.
- Die rekursiv definierte Folge
von Zufallsvariablen mit
 |
(10) |
bildet dann eine Markov-Kette, deren Übergangsmatrix
gegeben ist durch
- Dabei ist
die zufällige Anzahl von Kunden in der
Warteschlange, unmittelbar nachdem die Bedienung des
-ten Kunden beendet wurde (d.h. ohne die Berücksichtigung
desjenigen Kunden, mit dessen Bedienung gegebenenfalls gerade
begonnen wurde und der die Warteschlange deshalb bereits verlassen
hat).
- Verzweigungsprozesse
- Zyklische zufällige Irrfahrten
- Weitere Beispiele von Markov-Ketten können wie folgt konstruiert
werden (vgl. E. Behrends (2000) Introduction to Markov
Chains. Vieweg, Braunschweig, S.4).
- Wir betrachten den endlichen Zustandsraum
,
die Anfangsverteilung
 |
(12) |
und die Übergangswahrscheinlichkeiten
- Seien
unabhängige
Zufallsvariablen, wobei die Verteilung von
durch
(12) gegeben sei und
- Die rekursiv definierte Folge
von Zufallsvariablen
mit
 |
(13) |
für
bildet dann eine Markov-Kette, die zyklischer
Random Walk genannt wird; vgl. auch Übungsaufgabe 1.3.
- Beachte
- Dieses Modell einer Markov-Kette kann auf die folgende Weise experimentell realisiert werden: Wir werfen zunächst
-mal eine
Münze und registrieren, wie oft dabei das Ereignis ,,Zahl''
eintritt. Die Anzahl
dieser Ereignisse fassen wir als
Realisierung des zufälligen Anfangszustandes
auf; vgl. das
Bernoulli-Schema in Abschnitt WR-3.2.1.
- Danach werfen wir
-mal einen Würfel und registrieren die
jeweiligen Augenzahlen. Die Augenzahl
, die beim
-ten Wurf
des Würfels eintritt, fassen wir als Realisierung des zufälligen
,,Zuwachses''
auf;
.
- Der neue ,,Systemzustand''
ergibt sich dann durch die
,,Aktualisierung'' des alten Systemzustandes
gemäß (13), und zwar unter Berücksichtigung des
,,Zuwachses''
.
- Wenn das Experiment nicht tatsächlich durch das Werfen einer Münze
bzw. eines Würfels, sondern durch die Erzeugung entsprechender
Pseudozufallszahlen
mit dem Computer
durchgeführt wird, dann spricht man von Monte-Carlo-Simulation.
- Methoden zur Konstruktion von dynamischen
Simulationsalgorithmen, die auf Markov-Ketten beruhen, werden im
zweiten Teil der Vorlesung ausführlich behandelt.
Nächste Seite: Rekursive Darstellung
Aufwärts: Modellbeschreibung und Beispiele
Vorherige Seite: Zustandsraum, Anfangsverteilung und Übergangswahrscheinlichkeiten
  Inhalt
Ursa Pantle
2003-09-29