30.10.2013 Aufrufe

Aufgabe 1: Markov-Ketten

Aufgabe 1: Markov-Ketten

Aufgabe 1: Markov-Ketten

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

Musterlösung DES, Diskrete Ereignissysteme Seite 1<br />

<strong>Aufgabe</strong> 1: <strong>Markov</strong>-Kette n<br />

<strong>Aufgabe</strong>n:<br />

Die Vereinigung “Computer Denken Unsinn” bekommt zum Zeitpunkt t=0 eine Spende von<br />

1000 DM. Um Steuern zu sparen, wird das Geld ausser Landes angelegt. Nach jedem Jahr bringt<br />

ein Bote weitere 2000 DM auf das Konto, wird aber mit einer Wahrscheinlichkeit von 0.2 an<br />

der Grenze verhaftet, wo er das Geld sowie weitere 1000 DM Strafe zahlen muss. Die Strafe<br />

wird vom Konto bezahlt, sofern dies gedeckt ist. Wenn der Kontostand 3500 DM übersteigt,<br />

wird das gesamte Geld am nächsten Tag zu Werbezwecken zurücktransferiert. Hierbei wird<br />

jedoch der Skandal mit einer Wahrscheinlichkeit von 0.5 aufgedeckt, und das ganze Geld ist<br />

verloren.<br />

a) Modellieren Sie das System als <strong>Markov</strong>-Kette (graphisch).<br />

0.2<br />

1<br />

2<br />

0.8<br />

1000 3000<br />

0.2<br />

b) Geben Sie die Übergangsmatrix an.<br />

0<br />

0.8<br />

c) Gibt es eine stationäre Verteilung? Wenn ja, welche? Wenn nein, warum nicht?<br />

Es gibt keinen stationären Zustand, da die <strong>Markov</strong>-Kette reduzierbar ist.<br />

3<br />

0.2 0.2<br />

4<br />

2000<br />

0.8· 0.5<br />

0.8· 0.5<br />

0.8· 0.5<br />

0.8· 0.5<br />

0 0.2 0.8 0 0 0 0<br />

0 0.2 0 0.8 0 0 0<br />

0 0 0 0.2 0.4 0.4 0<br />

0.2 0 0 0 0 0.4 0.4<br />

0 0 0 0 1 0 0<br />

0 0 0 0 0 1 0<br />

0 0 0 0 0 0 1<br />

Anmerkung: Eine stationäre Verteilung beschreibt die Wahrscheinlichkeit mit welcher das<br />

System nach langer Zeit in einem bestimmten Zustand ist. Diese Verteilung existiert nur<br />

wenn das System nicht reduzierbar ist, d.h. dass jeder Zustand von jedem anderen erreichbar<br />

ist. Ist dies der Fall, ist die stationäre Verteilung unabhängig vom Startzustand. Dass<br />

dies bei dieser <strong>Aufgabe</strong> nicht der Fall sein kann, zeigt die Existenz der “finalen” Zustände<br />

5000/end, 4000/end und 0/end. Kommt das System einmal in einen dieser Zustände, verharrt<br />

es dort und macht eine Aussage über das Verhalten des Systems nach langer Zeit abhängig<br />

vom Verlauf.<br />

d) Wie hoch ist die Wahrscheinlichkeit, dass der Werbeabteilung nach dreieinhalb Jahren<br />

Geld zur Verfügung steht? Welchen Betrag kann sie erwarten?<br />

5<br />

6<br />

7<br />

5000/<br />

end<br />

0/<br />

end<br />

4000/<br />

end<br />

1<br />

1<br />

1


Musterlösung DES, Diskrete Ereignissysteme Seite 2<br />

Die Werbeabteilung kann nur dann Geld zur Verfügung haben, wenn der Zustand 5000/end<br />

oder 4000/end erreicht wurde. Dreieinhalb Jahre entsprechen 3 Schritten in unserem <strong>Markov</strong><br />

Modell, ausgehend vom Zustand 1000. Somit ist die gesuchte Wahrscheinlichkeit:<br />

P = p15 + p17 = p13 ⋅ p35 + p14 ⋅ p47 = p13 ⋅ p35 ⋅ p55 + ( p13 ⋅ p34 + p12 ⋅ p24) ⋅ p47 = 0.8 ⋅ 0.4 ⋅ 1 + ( 0.8 ⋅ 0.2 + 0.2 ⋅ 0.8)<br />

⋅ 0.4 = 0.448<br />

Der erwartete Gewinn ist:<br />

3<br />

3<br />

3<br />

2<br />

3<br />

2<br />

G = p15 ⋅ 5000 + p17 ⋅ 4000 = 0.32 ⋅ 5000 + 0.128 ⋅ 4000 =<br />

2112

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!