Persamaan dan Generator Kolmogorov

Generator infinitesimal mengkodekan laju transisi sesaat dari rantai Markov waktu kontinu, dan persamaan maju dan mundur Kolmogorov menjelaskan bagaimana probabilitas transisinya berkembang seiring waktu.

Definition

Generator infinitesimal dari rantai Markov waktu kontinu adalah matriks laju transisi yang memberikan laju perubahan sesaat dari probabilitas transisi, dan persamaan maju dan mundur Kolmogorov adalah persamaan diferensial yang dipenuhi oleh matriks probabilitas transisi sebagai fungsi waktu.

Scope

Topik ini mencakup definisi generator sebagai turunan waktu dari semigrup transisi pada nol, persamaan Kolmogorov maju (tipe Fokker-Planck) dan mundur, matriks transisi sebagai eksponensial matriks dari generator, sifat-sifat semigrup, dan kondisi untuk keunikan, konservatif, dan ketiadaan ledakan (explosion).

Core questions

• Bagaimana generator diperoleh sebagai turunan dari semigrup transisi?
• Apa perbedaan antara persamaan Kolmogorov maju dan mundur?
• Kapan matriks transisi merupakan eksponensial matriks dari generator?
• Kondisi apa yang menjamin solusi yang unik dan tidak meledak (non-exploding)?

Key theories

Persamaan Kolmogorov mundur dan maju

Matriks probabilitas transisi memenuhi dua sistem persamaan diferensial linear yang digerakkan oleh generator, persamaan mundur yang membedakan dalam keadaan awal dan persamaan maju dalam keadaan akhir, dan untuk ruang keadaan terbatas keduanya memiliki eksponensial matriks sebagai solusi umum mereka.

Korespondensi generator dan semigrup

Keluarga operator transisi membentuk semigrup yang sangat kontinu yang generator infinitesimalnya menentukan proses; korespondensi ini menghubungkan rantai Markov dengan teori analitik semigrup operator dan mendasari hasil konvergensi dan aproksimasi.

Clinical relevance

Persamaan maju adalah persamaan master kinetika kimia dan fisika statistik, yang mengatur distribusi probabilitas jumlah molekul seiring waktu, sementara formalisme generator menyediakan dasar komputasi untuk analisis transien keandalan, antrean, dan model epidemi.

History

Makalah Kolmogorov tahun 1931 memperkenalkan persamaan diferensial untuk probabilitas transisi, Feller menyelesaikan pertanyaan tentang keberadaan, keunikan, dan ledakan pada tahun 1930-an dan 1940-an, dan sudut pandang semigrup dan generator disistematisasi melalui karya Hille, Yosida, dan Dynkin selanjutnya tentang proses Markov.

Key figures

• Andrey Kolmogorov
• William Feller
• Thomas Kurtz

Seminal works

• norris1997

Frequently asked questions

Apa yang generator sampaikan tentang rantai Markov?

Ini memberikan laju transisi sesaat antar keadaan; dari sini seluruh evolusi waktu probabilitas transisi mengikuti, pada ruang keadaan terbatas sebagai eksponensial matriks dari generator.

Bagaimana persamaan maju dan mundur berbeda?

Persamaan mundur membedakan terhadap keadaan awal dan berguna untuk masalah pencapaian (hitting) dan ekspektasi, sementara persamaan maju membedakan terhadap keadaan saat ini dan menjelaskan distribusi probabilitas yang berkembang.