Марковское свойство

Марковское свойство

В теории вероятности и статистики, термин Марковское свойство относится к памяти случайного процесса. Было названо в честь русского математика Андрея Маркова.

Стохастический процесс обладает Марковским свойством, если условное распределение вероятностей будущих состояний процесса зависит только от нынешнего состояния, а не от последовательности событий, которые предшествовали этому. Процесс, обладающий этим свойством называется Марковским процессом. Термин строго Марковского свойства похож на Марковское свойство, за исключением того, что понятие «настоящего состояния процесса» заменяется на Марковский момент времени.

Для процессов с дискретным временем с Марковским свойством, см. цепь Маркова. Оба термина, «свойства Маркова» и «строгого свойства Маркова» были использованы в связи с особым свойством экспоненциального распределения — «отсутствие памяти».


Wikimedia Foundation. 2010.

Игры ⚽ Нужно решить контрольную?

Смотреть что такое "Марковское свойство" в других словарях:

  • МАРКОВСКОЕ СВОЙСТВО — для действительного случайного процесса свойство, заключающееся в том, что для любого набора t1<t2<...< <tn+1 моментов времени из Т и любого борелевского множества Всвероятностью 1 т. е. условное распределение вероятностей для л… …   Математическая энциклопедия

  • Марковское — топоним Содержание 1 Белоруссия 2 Россия 3 Украина 4 См. также …   Википедия

  • МАРКОВСКИЙ ПРОЦЕСС — процесс без последействия, случайный процесс, эволюция к рого после любого заданного значения временного параметра tне зависит от эволюции, предшествовавшей t, при условии, что значение процесса в этот момент фиксировано (короче: будущее н… …   Математическая энциклопедия

  • МАРКОВА ЦЕПЬ — марковский процесс с конечным или счетным множеством состояний. Теория М. ц. возникла на основе исследований А. А. Маркова, к рый в 1907 положил начало изучению последовательностей зависимых испытаний и связанных с ними сумм случайных величин [1] …   Математическая энциклопедия

  • МАРКОВСКИЙ МОМЕНТ — понятие, используемое в теории вероятностей для случайных величин, обладающих свойством независимости от будущего . Точнее, пусть нек рое измеримое пространство с выделенным на нем неубывающим семейством s подалгебр в случае непрерывного времени… …   Математическая энциклопедия

  • ПЕРЕХОДНАЯ ФУНКЦИЯ — вероятность перехода, семейство мер, используемых в теории марковских процессов для определения распределения процесса в будущие моменты времени по известным состояниям в предшествующие моменты. Пусть измеримое пространство таково, что s алгебра… …   Математическая энциклопедия

  • СТОХАСТИЧЕСКАЯ ЗАВИСИМОСТЬ — (вероятностная, статистическая) зависимость между случайными величинами, к рая выражается в изменении условных распределений любой из величин при изменении значений других величин. Виды С. з. многообразны: если случайные величины не являются… …   Математическая энциклопедия

  • УПРАВЛЯЕМЫЙ СЛУЧАЙНЫЙ ПРОЦЕСС — случайный процесс, вероятностные характеристики к рого могут изменяться по ходу наблюдений в зависимости от поставленной цели, заключающейся в минимизации (максимизации) того или иного функционала, определяющего качество управления. Различают… …   Математическая энциклопедия

  • ФЕЛЛЕРОВСКИЙ ПРОЦЕСС — однородный марковский процесс X(t), где Т аддитивная подполугруппа действительной оси R со значениями в топологич. пространстве . с топологией и борелевской алгеброй переходная функция Р(t, х, В), к рого обладает определенным свойством гладкости …   Математическая энциклопедия

  • Марковская сеть — Марковская сеть, Марковское случайное поле, или неориентированная графическая модель  это графическая модель, в которой множество случайных величин обладает Марковским свойством, описанным неориентированным графом. Марковская сеть отличается …   Википедия


Поделиться ссылкой на выделенное

Прямая ссылка:
… Нажмите правой клавишей мыши и выберите «Копировать ссылку»