Inhalt
Die Vorlesung behandelt folgende Themen:
Markov-Eigenschaft, Übergangswahrscheinlichkeiten, Simulationsdarstellung, Irreduzibilität und Aperiodizität, Stationäre Verteilungen, Ergodensätze, Reversible Markovsche Ketten, Warteschlangen, Jackson-Netzwerke, Irrfahrten, Markov Chain Monte Carlo, Markovsche Ketten in stetiger Zeit, Übergangsintensitäten, Geburts- und Todesprozesse, Poissonscher Prozess
Material und weitere Informationen
Material zur Vorlesung, Tutoriumstermine, sowie alle wichtigen Informationen finden Sie auf der ILIAS-Seite der Vorlesung.
Literaturhinweise
Behrends, E. (2000): Introduction to Markov Chains. Vieweg, Braunschweig 2000.
Brémaud, P. (1999): Markov Chains: Gibbs Fields, Monte Carlo Simulation and Queues. Springer, New York.
Chung, K.L. (1967): Markov Chains with Stationary Transition Probabilities. Springer, Berlin.
Häggström, O. (2007): Finite Markov Chains and Algorithmic Applications. Cambridge University Press, Cambridge.
Lawler, G. (2006): Introduction to Stochastic Processes. Chapman Hall, Boca Raton.
Norris, J. (1997): Markov Chains. Cambridge University Press.
Resnick, S. (1992): Adventures in Stochastic Processes. Birkhäuser, Boston.
Ross, S. (1996): Stochastic Processes. Wiley, New York.