连续时间 Markov 链从某一状态 i 转移到其他状态之前在 i 逗留的时间服从指数分布

本文通过引用无记忆性在离散与连续随机变量中的特性和马尔科夫性质,论证了连续时间Markov链中从状态i到其他状态转移前在i的停留时间遵循指数分布。关键步骤包括展示条件概率的无记忆性,即逗留时间的独立性。
摘要由CSDN通过智能技术生成

【求证】连续时间 M a r k o v Markov Markov 链从某一状态 i i i 转移到其他状态之前在 i i i 逗留的时间服从指数分布

【证明】因为由https://baike.baidu.com/item/%E6%97%A0%E8%AE%B0%E5%BF%86%E6%80%A7/59963523?fr=aladdin, 知“具有无记忆性的分布有且仅有两种分布:对于离散型随机变量有且仅有几何分布具有无记忆性,而对于连续型随机变量有且仅有指数分布具有无记忆性”。所以,针对连续时间 M a r k o v Markov Markov 链从某一状态 i i i 转移到其他状态之前在 i i i 逗留的时间 τ i \tau_i τi,只需证明其具有无记忆性,便可得证其服从指数分布。
在这里插入图片描述
注意到:
{ τ i > s }    ⟺    { X ( u ) = i , 0 < u ≤ s ∣ X ( 0 ) = i } \{\tau_i \gt s\} \iff \{X(u)=i,0 \lt u \leq s | X(0)=i\} {τi>s}{X(u)=i,0<usX(0)=i}
{ τ i > s + t }    ⟺    { X ( u ) = i , 0 < u ≤ s , X ( v ) = i , s < v ≤ s + t ∣ X ( 0 ) = i } \{\tau_i \gt s+t\} \iff \{X(u)=i,0 \lt u \leq s,X(v)=i,s \lt v \leq s+t | X(0)=i\} {τi>s+t}{X(u)=i,0<us,X(v)=i,s<vs+tX(0)=i}
则有:
P { τ i > s + t ∣ τ i > s } P\{\tau_i \gt s+t | \tau_i \gt s\} P{τi>s+tτi>s}
= P { X ( u ) = i , 0 < u ≤ s , X ( v ) = i , s < v ≤ s + t ∣ X ( u ) = i , 0 ≤ u ≤ s } =P\{X(u)=i,0 \lt u \leq s,X(v)=i,s \lt v \leq s+t | X(u)=i,0 \leq u \leq s\} =P{X(u)=i,0<us,X(v)=i,s<vs+tX(u)=i,0us}
= P { X ( v ) = i , s < v ≤ s + t ∣ X ( s ) = i } =P\{X(v)=i,s \lt v \leq s+t | X(s)=i\} =P{X(v)=i,s<vs+tX(s)=i} (马尔科夫性)
= P { X ( u ) = i , 0 < u ≤ t ∣ X ( 0 ) = i } =P\{X(u)=i,0 \lt u \leq t | X(0)=i \} =P{X(u)=i,0<utX(0)=i}
= P { τ i > t } =P\{\tau_i \gt t \} =P{τi>t}


【本文对应的 M a r k d o w n Markdown Markdown 代码】

【求证】连续时间 $Markov$ 链从某一状态 $i$ 转移到其他状态之前在 $i$ 逗留的时间服从指数分布

【证明】因为由https://baike.baidu.com/item/%E6%97%A0%E8%AE%B0%E5%BF%86%E6%80%A7/59963523?fr=aladdin, 知“<font color="red">具有无记忆性的分布有且仅有两种分布:对于离散型随机变量有且仅有几何分布具有无记忆性,而对于连续型随机变量有且仅有指数分布具有无记忆性</font>”。所以,针对连续时间 $Markov$ 链从某一状态 $i$ 转移到其他状态之前在 $i$ 逗留的时间 $\tau_i$,只需证明其具有无记忆性,便可得证其服从指数分布。
注意到:
$\{\tau_i \gt s\} \iff \{X(u)=i,0 \lt u \leq s | X(0)=i\}$
$\{\tau_i \gt s+t\} \iff \{X(u)=i,0 \lt u \leq s,X(v)=i,s \lt v \leq s+t | X(0)=i\}$
则有:
$P\{\tau_i \gt s+t | \tau_i \gt s\}$
$=P\{X(u)=i,0 \lt u \leq s,X(v)=i,s \lt v \leq s+t | X(u)=i,0 \leq u \leq s\}$
$=P\{X(v)=i,s \lt v \leq s+t | X(s)=i\}$        (马尔科夫性)
$=P\{X(u)=i,0 \lt u \leq t | X(0)=i \}$
$=P\{\tau_i \gt t \}$


\


【参考文献】
https://zhuanlan.zhihu.com/p/369096334
https://baike.baidu.com/item/无记忆性/59963523?fr=aladdin

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值