我在问关于马尔可夫链的问题,最后两部分是这样说的:
- 这个马尔可夫链是否具有极限分布。如果您的回答是“是”,请找到极限分布。如果您的回答为“否”,请说明原因。
- 这个马尔可夫链是否具有平稳分布。如果您的回答是“是”,请找到平稳分布。如果您的回答为“否”,请说明原因。
有什么区别?早些时候,我认为限制分布是在使用求解时得出的,但这是第步转换矩阵。他们使用\ Pi = \ Pi P计算极限分布,我认为这是平稳分布。 ñΠ=ΠP
那是哪一个呢?
我在问关于马尔可夫链的问题,最后两部分是这样说的:
- 这个马尔可夫链是否具有极限分布。如果您的回答是“是”,请找到极限分布。如果您的回答为“否”,请说明原因。
- 这个马尔可夫链是否具有平稳分布。如果您的回答是“是”,请找到平稳分布。如果您的回答为“否”,请说明原因。
有什么区别?早些时候,我认为限制分布是在使用求解时得出的,但这是第步转换矩阵。他们使用\ Pi = \ Pi P计算极限分布,我认为这是平稳分布。 ñΠ=ΠP
那是哪一个呢?
Answers:
从《 Pinsky和Karlin的随机建模入门》(2011年):
极限分布(如果存在)始终是平稳分布,但反之则不成立。可能存在平稳分布,但没有限制分布。例如,对于过渡概率矩阵为的周期Markov链没有限制分布。 但是固定分布,因为 (第205页)。
(1
在现有部分中,他们已经定义的“ 限制概率分布 ”由
等价地
(p。 165)。
上面的示例确定性地振荡,因此没有限制,就像序列没有限制一样。
他们指出,规则马尔可夫链(其中所有n阶跃迁概率均为正)始终具有极限分布,并证明它必须是唯一的非负解
(第168页) )
然后在与示例相同的页面上,他们写道
满足(4.27)的任何集合被称为马尔可夫链的平稳概率分布。术语“固定的”源自于根据固定分布开始的马尔可夫链将在所有时间点遵循该分布的性质。形式上,如果,则对于所有。镨{ X 0 = 我} = π 我镨{ X Ñ = 我} = π 我 Ñ = 1 ,2 ,...
其中(4.27)是方程组
除了现在具有无限数量的状态之外,这与上述平稳条件完全相同。
使用平稳性的定义,可以将第168页上的语句追溯重述为:
静态分布是这样的分布:如果在步骤状态分布是,那么在步骤状态分布也是。也就是说, 甲限制分布是这样的分布,无论什么初始分布是,分布在状态收敛于作为数步骤达到无穷大: 独立于ķ π ķ + 1 π π = π P 。π π LIM ķ →交通∞ π (0 ) P ķ = π ,π (0 ) { ħ Ë 一个d 小号,吨一个我升小号} P = (0 1 1 0)。π (0 ) = (0.5 0.5
但是,此链条没有限制分布:假设我们初始化硬币,使其正面为概率为。然后,由于所有后续状态均由初始状态确定,因此,在偶数步数之后,状态为概率为头部,而在奇数步数之后,状态为概率为头部。无论采取多少步骤,这都成立,因此状态的分布没有限制。2 / 3 1 / 3
现在,让我们修改该过程,以便在每一步中都不必转动硬币。相反,投掷骰子,如果结果为,则硬币保持原样。该马尔可夫链具有转移矩阵 不进行数学计算的情况下,我将指出由于随机省略转弯,此过程将“忘记”初始状态。经过大量步骤后,即使我们知道硬币是如何初始化的,正面的概率也将接近。因此,该链具有极限分布。P = (1 / 6 5 / 6 5 / 6 1 / 6)。0.5 (0.5 0.5)
撇开符号不谈,“固定”一词的意思是“一旦到达那里,您就会呆在那里”。而“限制”一词则表示“如果走得足够远,您最终将到达那里”。只是认为这可能会有所帮助。