Home

Mathematik

Markov-Ketten

Rechnen mit Übergangsmatrizen: Definition & Anwendung

Rechnen mit Übergangsmatrizen: Definition & Anwendung

Lektion auswählen

Mein Buch

Select an option

Erklärvideo

Loading...
Lehrperson: Martin

Zusammenfassung

Rechnen mit Übergangsmatrizen: Definition & Anwendung

Definition

Eine Übergangsmatrix UU fasst die Übergangswahrscheinlichkeiten einer Markow-Kette in einer Matrix zusammen. 


Mathematik; Markov-Ketten; 11.-12. Klasse Gymnasium; Rechnen mit Übergangsmatrizen: Definition & Anwendung

axy:a_{xy}: Wahrscheinlichkeit von Zustand yy in Zustand xx zu wechseln.



Rechnen mit Übergangsmatrizen

Hat man einen Zustandsvektor einer Markow-Kette zum Zeitpunkt tt​, so kann der Zustandsvektor zum folgenden Zeitpunkt (t+1t+1 ) mittels Vektor-Matrix Multiplikation ermittelt werden. 


vt+1=Uvt\overrightarrow{v}_{t+1}=U\cdot \overrightarrow v_t​​

vt+1:\overrightarrow{v}_{t+1}:  Zustandsvektor zum Zeitpunkt t+1t+1

vt\overrightarrow v_t : Zustandsvektor zum Zeitpunkt tt

U:U: Übergangsmatrix


BeispielEine Münze wird so oft geworfen, bis sie Kopf zeigt. Die Chance, dass bei einem Wurf Kopf auftritt, ist 0,50,5​. Dieser Zufallsprozess kann als Markow-Kette mit zwei Zuständen beschrieben werden. Der erste Zustand ist, dass die Münze auf Kopf liegt (sobald die Münze einmal auf Kopf landet, wird das Experiment abgebrochen und damit ist die Münze zu jedem späteren Zeitpunkt auf Kopf). Der zweite Zustand ist, dass die Münze auf Zahl liegt, wonach die Münze erneut geworfen wird. Dieses System kann mit der folgenden Übergangsmatrix dargestellt werden:


U=(10,500,5)U=\begin{pmatrix}1 & 0,5\\0 & 0,5 \end{pmatrix}​​


Die Startverteilung (die Wahrscheinlichkeiten der Zustände nach dem ersten Wurf) kann durch den folgenden Zustandsvektor beschrieben werden:


v=(0,50,5)v=\left(\begin{array}{c}0,5\\ 0,5\end{array}\right)​​


Nun kann die Vektor-Matrix Multiplikation verwendet werden, um die Zustandsvektoren zu verschiedenen Zeitpunkten zu bestimmen:

Mathematik; Markov-Ketten; 11.-12. Klasse Gymnasium; Rechnen mit Übergangsmatrizen: Definition & Anwendung



Absorbierende Zustände

Ein absorbierender Zustand einer Markow-Kette ist ein Zustand, der nicht mehr aufgehoben werden kann. Das bedeutet, dass die Wahrscheinlichkeit, von einem solchen Zustand zu einem anderen Zustand zu wechseln gleich 00​ ist. Alle anderen Zustände heißen innere Zustände. 


Absorptionswahrscheinlichkeiten

Eine Absorptionswahrscheinlichkeit eines Zustandes ist die Wahrscheinlichkeit, mit der eine Markow-Kette, die sich in diesem Zustand befindet, irgendwann einen bestimmten absorbierenden Zustand erreicht. 


Beispiel Im vorherigen Beispiel ist „Kopf“ der einzige absorbierende Zustand. Sobald die Münze nämlich auf Kopf landet, wird die Münze nicht mehr geworfen. Damit ist die Wahrscheinlichkeit, dass sich der Zustand des Systems nochmals ändert, gleich 00​.
Die Absorptionswahrscheinlichkeit von „Zahl“ bezüglich „Kopf“ ist die Wahrscheinlichkeit, dass wenn die Münze auf Zahl liegt, irgendwann später im Experiment „Kopf“ eintritt. Die Wahrscheinlichkeit, dass niemals Kopf kommt, ist gleich 00​ (da unendlich viele Male immer wieder Zahl kommen müsste). Daher ist die Wahrscheinlichkeit, dass irgendwann im Experiment „Kopf“ kommt, gleich 11​. Damit ist die Absorptionswahrscheinlichkeit von „Zahl“ gleich 11​.


1. Mittelwertsregel

Die 1. Mittelwertsregel ist eine Möglichkeit, um ein Gleichungssystem aufzustellen, mit dessen Hilfe es möglich ist, die Absorptionswahrscheinlichkeiten von einzelnen Zuständen bezüglich eines absorbierenden Zustandes zu bestimmen. Sie besagt:


a1u1i++anuni=aia_1\cdot u_{1i}+⋯+a_n\cdot u_{ni}= a_i​​

ai:a_i: Absorptionswahrscheinlichkeit von Zustand  ii.

uji:u_{ji}: Übergangswahrscheinlichkeit von Zustand ii zu Zustand jj.


Dabei ist zu beachten, dass für die Absorptionswahrscheinlichkeit des absorbierenden Zustandes von Interesse 11​ einzusetzen ist und für die Absorptionswahrscheinlichkeiten aller anderen absorbierender Zustände 00​.
Auf diese Weise ergibt sich ein Gleichungssystem mit n Gleichungen und nn​ Variablen:


Mathematik; Markov-Ketten; 11.-12. Klasse Gymnasium; Rechnen mit Übergangsmatrizen: Definition & Anwendung


Wird dieses Gleichungssystem gelöst, erhält man die einzelnen Absorptionswahrscheinlichkeiten.


BeispielIm Münzwurfbeispiel ist das Gleichungssystem definiert durch die Mittelwertsregel das Folgende:

a11+a20=a1a_1\cdot1+a_2\cdot0= a_1​​

a10,5+a20,5=a2a_1\cdot0,5+a_2\cdot0,5= a_2​​


​Da der erste Zustand (Kopf) ein absorbierender Zustand ist, gilt a1=1a_1=1​.

11+a20=11\cdot1+a_2 \cdot 0=1​​

10,5+a20,5=a21\cdot 0,5+a_2\cdot 0,5=a_2​​


Die erste Gleichung wird somit obsolet, wodurch sich das System auf die zweite Gleichung reduziert. Diese kann wie folgt umgeformt werden:

10,5+a20,5=a21\cdot 0,5+a_2 \cdot 0,5=a_2​​

0,5=0,5a20,5=0,5\cdot a_2​​

1=a21=a_2​​


Damit ist die Absorptionswahrscheinlichkeit von a2a_2​ (also „Zahl“) bezüglich „Kopf“ in der Tat gleich 11​.

Erstelle ein Konto, um die Zusammenfassung zu lesen.

Übungen

Erstelle ein Konto, um mit den Übungen zu beginnen.

Häufig gestellte Fragen (FAQ)

Was ist ein absorbierender Zustand einer Markov Kette?

Wie rechnet man mit einer Übergangsmatrix?

Was ist eine Übergangsmatrix?

Beta

Ich bin Vulpy, Dein AI Lern-Buddy! Lass uns zusammen lernen.