stochastische Prozesse

Jedes Jahr wechseln manche Kunden die Marke, manche Wähler die Partei, manche Mieter die Wohnung. Wenn sich ein Zustand von Schritt zu Schritt mit festen Übergangswahrscheinlichkeiten ändert, spricht man von einem stochastischen Prozess . Mit einer Matrix kann man ausrechnen, wie es nächstes Jahr – und auf lange Sicht – aussieht. Übergangsmatrix M : Spalte = von , Zeile = nach . Jede Spalte ergibt zusammen 1 . vec{v} {n+1} = M cdot vec{v} n qquad vec{v} n = M^n cdot vec{v} 0 Langfristig: Die stabile Verteilung ist der Fixvektor vec{v} mit M cdot vec{v} = vec{v} . Hinweis: Manche Schulbücher schreiben die Matrix andersherum (Zeile = von, Zeilensummen 1 ). Dann rechnet man mit dem Zeilenvektor von links: vec{v} {n+1}^{ ,T} = vec{v} n^{ ,T} cdot M . 30 , % der Kunden von Wasser mit Kohlensäure bleiben dabei, 70 , % wechseln zu ohne . Von „ohne“ bleiben 60 , % , 40 , % wechseln zu „mit“. Stelle die Übergangsmatrix auf. M = begin{pmatrix} 0{,}3 & 0{,}4 0{,}7 & 0{,}6 end{pmatrix} quad begin{array}{l} text{Spalte 1: von „mit“} text{Spalte 2: von „ohne“} end{array} Im Moment kaufen 1000 Kunden „mit“ und 1000 „ohne“. Wie sieht es nach einem Jahr aus? vec{v} 1 = begin{pmatrix} 0{,}3 & 0{,}4 0{,}7 & 0{,}6 end{pmatrix} begin{pmatrix} 1000 1000 end{pmatrix} = begin{pmatrix} 300 + 400 700 + 600 end{pmatrix} = begin{pmatrix} 700 1300 end{pmatrix} Bestimme die langfristige Verteilung der 2000 Kunden. Plan: Fixvektor: M vec{v} = vec{v} und a + b = 2000 . text{I:} ; 0{,}3a + 0{,}4b = a ; Right

Worum geht's?

Jedes Jahr wechseln manche Kunden die Marke, manche Wähler die Partei, manche Mieter die Wohnung. Wenn sich ein Zustand von Schritt zu Schritt mit festen Übergangswahrscheinlichkeiten ändert, spricht man von einem stochastischen Prozess . Mit einer Matrix kann man ausrechnen, wie es nächstes Jahr – und auf lange Sicht – aussieht.
Übergänge zwischen „mit“ und „ohne“ Kohlensäure
mitohne0,70,4bleibt: 0,3bleibt: 0,6

Formel mit Erklärung

Übergangsmatrix M M M : Spalte = von , Zeile = nach . Jede Spalte ergibt zusammen 1 1 1 . v ⃗ n + 1 = M ⋅ v ⃗ n v ⃗ n = M n ⋅ v ⃗ 0 \vec{v}_{n+1} = M \cdot \vec{v}_n \qquad \vec{v}_n = M^n \cdot \vec{v}_0 v n + 1 ​ = M ⋅ v n ​ v n ​ = M n ⋅ v 0 ​ Langfristig: Die stabile Verteilung ist der Fixvektor v ⃗ \vec{v} v mit M ⋅ v ⃗ = v ⃗ M \cdot \vec{v} = \vec{v} M ⋅ v = v . Hinweis: Manche Schulbücher schreiben die Matrix andersherum (Zeile = von, Zeilensummen 1 1 1 ). Dann rechnet man mit dem Zeilenvektor von links: v ⃗ n + 1   T = v ⃗ n   T ⋅ M \vec{v}_{n+1}^{\,T} = \vec{v}_n^{\,T} \cdot M v n + 1 T ​ = v n T ​ ⋅ M .

Beispiele

Leicht#1
30   % 30\,\% 30 % der Kunden von Wasser mit Kohlensäure bleiben dabei, 70   % 70\,\% 70 % wechseln zu ohne . Von „ohne“ bleiben 60   % 60\,\% 60 % , 40   % 40\,\% 40 % wechseln zu „mit“. Stelle die Übergangsmatrix auf. M = ( 0,3 0,4 0,7 0,6 ) Spalte 1: von „mit“ Spalte 2: von „ohne“ M = \begin{pmatrix} 0{,}3 & 0{,}4 \\ 0{,}7 & 0{,}6 \end{pmatrix} \quad \begin{array}{l} \text{Spalte 1: von „mit“} \\ \text{Spalte 2: von „ohne“} \end{array} M = ( 0 , 3 0 , 7 ​ 0 , 4 0 , 6 ​ ) Spalte 1: von „mit“ Spalte 2: von „ohne“ ​

Zusammenfassung

Stochastischer Prozess: Zustände wechseln mit festen Übergangswahrscheinlichkeiten. Übergangsmatrix: Spalte = von, Zeile = nach, Spaltensumme 1 1 1 . Nächster Schritt: v ⃗ n + 1 = M v ⃗ n \vec{v}_{n+1} = M\vec{v}_n v n + 1 ​ = M v n ​ . Langfristig: Fixvektor aus M v ⃗ = v ⃗ M\vec{v} = \vec{v} M v = v .

Jetzt üben

Kostenlose Aufgaben mit Lösungsweg zu diesem Begriff: