Cálculo numérico de distribuciones en cadenas de Markov de tiempo continuo inhomogéneas de estados finitos, basado en límites de ergodicidad y aproximación constante por tramos
Autores: Satin, Yacov; Razumchik, Rostislav; Usov, Ilya; Zeifman, Alexander
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Cálculo numérico de distribuciones en cadenas de Markov de tiempo continuo inhomogéneas de estados finitos, basado en límites de ergodicidad y aproximación constante por tramos
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Papel
Cadena de Markov
Características de probabilidad dependientes del tiempo
Matriz de intensidad
Teoría de perturbación
Error de aproximación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
En este trabajo se muestra que si una cadena de Markov posiblemente no homogénea con tiempo continuo y espacio de estados finito es débilmente ergódica y todas las entradas de su matriz de intensidad son localmente integrables, entonces, utilizando resultados disponibles de la teoría de perturbaciones, sus características de probabilidad dependientes del tiempo pueden ser aproximadamente obtenidas a partir de otra cadena de Markov, que tiene intensidades constantes por tramos y el mismo espacio de estados. Se proporciona el error de aproximación (la distancia en forma de taxicab entre las distribuciones de probabilidad de los estados). Se muestra cómo se pueden calcular el operador de Cauchy y la distribución de probabilidad de los estados para una condición inicial arbitraria. Los hallazgos se ilustran con ejemplos numéricos.
Descripción
En este trabajo se muestra que si una cadena de Markov posiblemente no homogénea con tiempo continuo y espacio de estados finito es débilmente ergódica y todas las entradas de su matriz de intensidad son localmente integrables, entonces, utilizando resultados disponibles de la teoría de perturbaciones, sus características de probabilidad dependientes del tiempo pueden ser aproximadamente obtenidas a partir de otra cadena de Markov, que tiene intensidades constantes por tramos y el mismo espacio de estados. Se proporciona el error de aproximación (la distancia en forma de taxicab entre las distribuciones de probabilidad de los estados). Se muestra cómo se pueden calcular el operador de Cauchy y la distribución de probabilidad de los estados para una condición inicial arbitraria. Los hallazgos se ilustran con ejemplos numéricos.