Zusammenfassung
Den Poisson-Prozess haben wir als einen besonders einfachen stochastischen Prozess kennengelernt: Ausgehend vom Zustand 0 hält er sich eine exponentialverteilte Zeit in einem Zustand i auf und geht dann in den Nachfolgezustand i+1 über. Ein Markov-Prozess ist eine natürliche Verallgemeinerung: Er startet in einem beliebigen Zustand und nicht mehr zwingend im Zustand 0; die Aufenthaltsdauern in den einzelnen Zuständen sind zwar nach wie vor exponentialverteilt, die zugehürigen Parameter künnen jedoch zustandsabhängig sein. Auch der Nachfolgezustand ist nicht notwendigerweise i + 1, sondern ein beliebiger, von i verschiedener Zustand j. Dieser wird mit einer Wahrscheinlichkeit q ij angenommen, die unabhängig von der Aufenthaltsdauer im Zustand i ist.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2004 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Waldmann, KH., Stocker, U.M. (2004). Markov-Prozesse. In: Stochastische Modelle. EMIL@A-stat. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-17058-4_4
Download citation
DOI: https://doi.org/10.1007/978-3-642-17058-4_4
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-03241-0
Online ISBN: 978-3-642-17058-4
eBook Packages: Springer Book Archive