马尔可夫链的平稳分布
一种平稳分布A.马尔可夫链条随着时间的推移,在马尔可夫链中保持不变的概率分布。通常,它被表示为行向量 谁的条目是概率总结 ,给予过渡矩阵 ,它满足
换句话说, 是不变的的矩阵 .
各态历经的马尔可夫链有一个独特的静止分布,吸收马尔可夫链条仅具有非零元素的固定分布仅在吸收状态。静止分配提供有关的信息稳定在某些情况下,描述了马尔可夫链的极限行为。
一位体育播音员希望预测有多少密歇根居民更喜欢密歇根大学(University of Michigan,简称“Michigan”)的球队,又有多少人更喜欢密歇根州立大学(Michigan State)的球队。她注意到,年复一年,大多数人都会选择自己喜欢的团队;然而,对于 密歇根州球迷切换到密歇根州,以及 密歇根州的球迷转到了密歇根州。然而,该州1000万人口的偏好总体上没有明显差异;换句话说,密歇根的体育迷似乎已经达到了一个固定的分布。那是什么呢?
一种接近这个问题的合理方法是假设存在 百万密歇根州球迷 一百万密歇根州球迷。这个州的人口是 百万,所以 .这些数字每年都不会改变。它遵循 重新排列方程, .自从 那 和 .所以有 百万密歇根州球迷 百万密歇根州粉丝。换句话说,静止分配是 .
请注意,限制分布并不取决于球迷的数量在州!
找到固定的分布
学生线性代数可以注意到方程 和列向量方程很相似 为了特征值和特征向量, .事实上,通过传递矩阵, 换句话说就是转置的转移矩阵 有特征值的特征向量 这是作为列向量表示的静止分布。因此,如果特征向量的 是已知的,那么带转移矩阵的马尔可夫链的平稳分布也是已知的吗 .简而言之,静止分布是过渡矩阵的左特征向量(与通常的右特征向量)。
当存在与1的特征值相关联的多个特征向量时,每个这样的特征向量产生相关的固定分布。但是,这只能在马尔可夫链可降低时出现,即具有多个通信类。
在遗传学中,一种用于鉴定显性性状的一种方法是将样品与已知杂种配对。他们的后代再次与已知的混合动力车相配,等等。以这种方式,特定后代的概率纯粹是占主导地位的,纯粹的隐性或用于性状的杂种由下表给出。
状态 儿童占主导地位 儿童杂交 儿童隐性 父母主导 父母混合 家长隐性 这个马尔可夫链是什么静止的分布?
过渡矩阵是 这个矩阵的转置具有满足这个方程的特征值 它遵循 .所以特征值是 那 , .特征值 引起特征向量 的特征值 引起特征向量 和特征值 引起特征向量 .平稳分布的唯一可能候选是最终特征向量,因为其他所有特征向量都包含负值。
然后,静止分配必须是 .
与极限分布关系
这限制分布马尔可夫链的旨在描述过程如何表现长时间后。对于存在,任何状态都必须存在以下限制 和 : 此外,对于任何州 ,以下和必须是 : 这确保了所获得的数字实际上构成了概率分布。提供了这两个条件,然后是马尔可夫链的限制分布 概率分布是 .
对于任何非周期且不可约的时齐次马尔可夫链, 收敛到所有行相等的矩阵 .然而,并非所有静止的分布都会出现这种方式。一些静止分布(例如,某些周期性)只能满足平均数的较弱条件 这个过程处于州的次数 在第一 步骤接近静止分布的相应值。那是,如果 那么,是平稳分布吗
并非所有静止的分布都是限制分布。
考虑两国马尔可夫链与过渡矩阵 作为 增加,没有限制行为 .事实上,表达式只是在评估之间交替 和 ,单位矩阵。但系统具有平稳分布 , 自从 不是所有的平稳分布都是极限分布。有时不存在限制分布!
对于时间 - 均匀的马尔可夫链,任何限制分布都是静止分布。
让马尔可夫链具有过渡矩阵 .然后,假设 也就是说,极限是an 矩阵,所有行等于 .然后注意 检查左边矩阵的一行在右边相乘,很明显 .因此,限制分布也是静止分布。