|
Hallo,
Ich schreibe morgen eine Prüfung in Informations- und Kodierungstheorie. Darunter fallen leider auch die Markow Quellen die wir allerdings leider nicht sonderlich ausführlich behandelt haben.
Mein Problem: gegeben: folgende Verteilung der Auftrittswahrscheinlichkeiten zum Zeitpunkt
Matrix mit Werten bezüglich des Übergangsverhaltens der Zustände
zu berechnen: die stationären Wahrscheinlichkeiten.
Ich bin mir 2 Lösungsansätzen bewusst: - LGS aufstellen und lösen - einfach mehrmals den vektor mit der Matrix multiplizieren.
Jedoch aufgrund des Zeitmangels während der Prüfung empfinde ich beide Lösungsansätze als ziemlich zeitaufwendig. Gibt es vielleicht eine Formel die ich übersehen habe womit ich die stationären Wahrscheinlichkeiten sofort rausbekomme?
Für alle, die mir helfen möchten (automatisch von OnlineMathe generiert): "Ich benötige bitte nur das Ergebnis und keinen längeren Lösungsweg." |
|
pivot 
20:25 Uhr, 31.07.2018
|
Hallo,
ich verstehe die Frage anscheinend falsch. Deswegen habe ich eine Frage: Wo sind denn deine Übergangswahrscheinlichkeiten?
Gruß
pivot
|
|
Sorry ich war mir nicht sicher ob ich die Matrix mit reinhauen sollte
Die Matrix ist:
Die Lösung habe ich auch schon: aber leider noch über den Weg den Vektor an die Matrix mehrmals zu multiplizieren
|
|
also mit immer wieder an die Matrix ranzumultiplizieren meine ich: mit Matrix multiplizieren und danach das Ergebnis wieder mit der Matrix multiplizieren, so lange bis sich die Werte kaum noch ändern
|
|
Ich glaube, du brauchst den Eigenvektor der Übergangsmatrix.
|
|
Was genau suchst du? Die Stationäre Verteilung? Dann ist dein Ergebniss meiner Meinung nach nicht richtig. Du kannst die Matrix potenzieren (Taschenrechner). Händisch ist es am einfachsten, wie oben gesagt wurde, über die Eigenvektoren zum Eigenwert 1. Also Gleichungssytstem lösen, ist auch nicht schwierig, geht gut auf. Händische zichfache Multiplikation macht keinen Sinn. LG
|
Diese Frage wurde automatisch geschlossen, da der Fragesteller kein Interesse mehr an der Frage gezeigt hat.
|