El reclamo es falso (incluso si [math] \ {X_i \} [/ math] y [math] \ {Y_i \} [/ math] son independientes).
Tome [math] X_0 [/ math] para ser Bernoulli (1/2), [math] X_i \ in \ {0,1 \} [/ math],
[matemáticas] P_ {X_ {i + 1} | X_ {i}} (1 | 0) = P_ {X_ {i + 1} | X_ {i}} (0 | 1) = p [/ matemáticas]
- ¿Cuáles son los usos de una fórmula de número hexagonal?
- Imagine que tengo una mesa de billar redonda con dos bolas en lugares aleatorios. Quiero golpear la bola objeto rebotando una vez en el costado de la mesa. ¿Cómo puedo determinar la ubicación (construir o calcular) donde tengo que golpear el lado de la mesa con la bola blanca?
- ¿Por qué si restas, sumas y restas cuatro números negativos consecutivos la respuesta es siempre -2?
- Si tengo 8 - (5x - 1) ¿puedo dejar los corchetes o deben expandirse con la multiplicación?
- Cómo entender las matemáticas y facilitarlo
donde p es pequeño (p. ej. p <1/8). Tome [math] \ {Y_i \} [/ math] iid Bernoulli (1/2). Si es cierto que [math] \ {X_i + Y_i \} [/ math] forma una cadena de Markov, entonces la distribución de [math] X_ {n + 1} + Y_ {n + 1} [/ math] está condicionada a [matemática] X_ {1} + Y_ {1} = a_1,…, X_ {n} + Y_ {n} = a_n [/ matemática] es la misma que la condicionada solo en [matemática] X_ {n} + Y_ { n} = a_n [/ math], pero esto es falso. Tome [math] a_n = 1 [/ math], [math] a_ {n-1} = 0 [/ math], luego [math] a_n = 1 [/ math] no le dará ninguna información sobre [math] X_ {n} [/ matemática] y [matemática] X_ {n + 1} + Y_ {n + 1} [/ matemática] sigue la misma distribución con o sin condicionamiento en [matemática] X_ {n} + Y_ {n } = 1 [/ matemáticas]. Pero [math] a_ {n-1} = 0 [/ math] te dice que [math] X_ {n-1} = 0 [/ math], y dado que p es pequeño, [math] X_i [/ math] cambia lentamente, por lo que es probable que [matemáticas] X_ {n + 1} = 0 [/ matemáticas], y es poco probable que [matemáticas] X_ {n + 1} + Y_ {n + 1} = 2 [/ matemáticas] (el la probabilidad es menor que 2p).
Este es un ejemplo del modelo Hidden Markov. Las observaciones en el modelo oculto de Markov no necesariamente forman una cadena de Markov.