【随机过程】C-K方程( Chapman- Kolmogorov方程)

 随机过程

第四章  C-K方程( Chapman- Kolmogorov方程)

---

目录

前言

一.C-K方程的定义及例子

1.C-K方程的定义及证明

2.C-K方程的例子（赌徒破产理论）

二.C-K方程的推广

文献引用

---

前言

在上一篇文章中，我们讨论了马尔可夫链的统计特性。经过进一步学习，我们发现了一系列新的问题，本文将其整理并列举其中关于C-K方程的思考（主要内容为张波张景肖等学者所著的《应用随机过程》中P47-49）。

---

一.C-K方程的定义及例子

1.C-K方程的定义及证明

下面是Chapman-Kolmogorov Equation的定义：

其中证明方法见课本P48页：

2.C-K方程的例子（赌徒破产问题）

解：这个概率为

转移矩阵

利用矩阵乘法得

所以经过四次赌博之后输光概率为：

那么由上例题，我们可以假设一个案例：赌徒口袋里有  元，赌徒与庄家的总资产是  元，（、 皆为正整数，通常庄家的财力 元远大于赌徒口袋所拥有的  元）。赌徒和庄家玩游戏，每次游戏结束，赌徒有 （可先假设为 ）的机会赢得 1 元，  的机会输掉 1 元，下图的圆圈（状态）内显示的数字即为赌徒口袋中的钱数。当 ，随着游戏持续进行，赌徒有可能面临破产（抵达状态 0）或赢得系统之总资产（抵达状态  ）的结局。不过若 ，，赌徒最终将避免不了会回到最左边的状态 0，亦即口袋空空的破产命运。

下面我们用R语言来演示一下这个例子（假设n为100000元，r为10元），我们假设一个赌徒和前述的赌场对决，透过绘制折线图，观察赌徒如何输光了口袋里10元的详细过程。

par(mfrow=c(1,1))
  POSITION <- 0 ; TIMES <- 0 ; x <- c() 
  repeat{POSITION <- POSITION + sample(c(-1,1),1) ; 
  	x <- rbind(x, POSITION); 
  	TIMES <- TIMES + 1; 
  	if(POSITION==-10 || POSITION==100000) {
  		print(TIMES) ; 
  		break}
  		}
plot(1:length(x),x,xlab="times",ylab="money",type="l")

通过运行R，我们得到绘制的折线图：

我们可以由模拟图看到该赌徒最辉煌的成绩是赢到 5 元左右（即口袋里拥有接近 6 元），但是在第130 次对决后，把口袋里所有的钱输光，这就是绝大部分赌徒的宿命。

二.C-K方程的推广

C-K方程的分解

因为 C- K 方程是将一转移概率分解成两个转移概率的乘积然后依状态求和的公式，看 到这就联想到能不能将其分解成三个转移概率的成绩再分别依状态求和呢?或者一般 来说，n 步转移概率能不能分解成 n 个一步转移概率的乘积(分别依状态求和)呢?

答案是肯定的，因为

---

文献引用

[1]张波、张景肖、肖宇谷. 应用随机过程（第二版）[M]. 北京：清华大学出版社，2019.11:47-51.

[2]Chapman-Kolmogorov Equation_chapman kolmogorov 等式证明-CSDN博客

[3]陳光澄（2020）. 從醉漢走路到輸不起的莊家 . 科學教育月刊，(435)，46-62。https://doi.org/10.6216/SEM.202012_(435).0004