Axioma91 schreef: ↑wo 22 aug 2012, 14:04
Volgens mij gaat het mis bij de aperiodiciteit. Aperiodiciteit betekent dat er een k bestaat zodat het n*k stapjes moet duren om weer terug te komen in een punt.
Zelftransities zorgen er inderdaad voor dat de keten niet aperiodiek is, maar andersom geldt dat niet. Je kunt niet zeggen dat de keten niet-aperiodiek is wanneer er geen zelftransities voorkomen.
Zie ondertussen hierboven voor de stationaire toestanden. Misschien helpt dit ook:
http://www.biostat.u...rkovChains7.pdf
Volgens mij bedoel je hier 'aperiodiek' in plaats van 'niet aperiodiek', maar je punt is duidelijk en het was inderdaad hier dat ik de fout in ging. Bedankt hiervoor!
Deze Markov-keten is dus wel degelijk aperiodiek, want in 2 stappen kan je van in gelijk welke toestand, naar gelijk welke andere toestand geraken. Bijgevolg vertoont deze keten dus ook steady-state probabiliteiten (is deze conclusie correct?)
Volgens mijn cursus worden de steady-state probabiliteiten gegeven door volgende formule:
\(\pi_j = \sum^m_{k=1} \pi_k p_k_j\)
Toegepast op deze keten en rekening houdend met alle probabiliteiten bekom ik volgend stelsel:
\(\left\{ \begin{array}{ccccccccc}
\pi_1 & = & 0\pi_1 & + & 0.33\pi_2 & + & 0\pi_3 & + & 0.33\pi_4 \\
\pi_2 & = & 0.5\pi_1 & + & 0\pi_2 & + & 0.5\pi_3 & + & 0.33\pi_4 \\
\pi_3 & = & 0\pi_1 & + & 0.33\pi_2 & + & 0\pi_3 & + & 0.33\pi_4 \\
\pi_4 & = & 0.5\pi_1 & + & 0.33\pi_2 & + & 0.5\pi_3 & + & 0\pi_4 \\
\end{array}\right. \)
Als ik dit stelsel probeer op te lossen via mijn grafisch rekentoestel (met de optie rref), dan kom ik niet tot een zinnig antwoord. Maak ik een fout met mijn rekentoestel of is dit stelsel niet het correcte antwoord op de vraag?
Bedankt alvast voor de hulp!