Typen
:Generalisierungen
:Involvierte Definitionen
:Veranstaltung
: MatheDSReferenz
:- @riedel2023 (Satz 7.3.13)
- @norris1998 (Theorem 1.4.2, insb. der Beweis)
⠀
Proposition: Starke Markoveigenschaft (neue Kette)
Sei
eine abzählbare Menge.
Seiein Wahrscheinlichkeitsraum.
Seieine zeithomogene Markovkette mit .
Seieine Stoppzeit. Falls
, so gilt mit der starken Markoveigenschaft: Der stochastische Prozess
mit ist eine zeithomogene Markovkette mit den selben Übergangswahrscheinlichkeiten wie . Also:
Definition: Starke Markoveigenschaft (reinitialisierung)
Sei
eine abzählbare Menge.
Seiein Wahrscheinlichkeitsraum.
Seieine zeithomogene Markovkette mit .
Seieine Stoppzeit.
Seieine zeithomogene Markovkette mit .
Seidie -Algebra der -Vergangenheit. Dann gilt mit der starken Markoveigenschaft:
Das heißt: egal welche Vergangenheit
die Markovkette durchlaufen hat, zu Stoppzeiten ist die Verteilung einer zeithomogenen Markovkette stochastisch unabhängig von ihren möglichen Vergangenheiten . Man könnte sogar soweit gehen, sie neu zu starten und mit dem Zustand von
zu initialisieren. Heißt: Die Verteilung der Kette
ist identisch zu einer neuen zeithomogenen Markovkette , die mit dem selben Zustand initialisiert wurde wie (also ) und dieselben Übergangswahrscheinlichkeiten wie hat.
Herleitung
Erstmal sehr grob. Es gilt
Schritt 1
Sei
Das große Verständnis
Norris definiert:
Nach ihm folgt in dem Beweis von Theorem 1.4.2:
Da
Es bleibt nur noch zu zeigen, dass
Und das ergibt auch Sinn, denn
Und jetzt verstehe ich hier auch alles! 🥳🎉🌟
Damit lässt sich das Theorem besser verständlich formulieren 😊