| 第125行: |
第125行: |
| | 不禁会提出一个疑问,是否是所有的转移矩阵都具有极限?下面考察一个简单的两状态马尔科夫链, | | 不禁会提出一个疑问,是否是所有的转移矩阵都具有极限?下面考察一个简单的两状态马尔科夫链, |
| | <math>P=\begin{bmatrix}0&1\\1&0\end{bmatrix}</math>。 | | <math>P=\begin{bmatrix}0&1\\1&0\end{bmatrix}</math>。 |
| | + | |
| | 计算<math>n</math>步转移概率矩阵 | | 计算<math>n</math>步转移概率矩阵 |
| | + | |
| | <math> | | <math> |
| | \begin{aligned} | | \begin{aligned} |
| − | P(n)=\begin{bmatrix}0&1\\1&0\end{bmatrix},\ \ n=2k,\ k\in\mathcal{Z}\\ | + | P(n)&=\begin{bmatrix}0&1\\1&0\end{bmatrix},\ \ n=2k,\ k\in\mathcal{Z},\\ |
| − | P(n)=\begin{bmatrix}1&0\\0&1\end{bmatrix},\ \ n=2k+1,\ k\in\mathcal{Z}. | + | P(n)&=\begin{bmatrix}1&0\\0&1\end{bmatrix},\ \ n=2k+1,\ k\in\mathcal{Z}. |
| | \end{aligned} | | \end{aligned} |
| | </math> | | </math> |
| | | | |
| | + | 根据<math>n</math>步转移概率矩阵可知,即四个转移概率均不存在极限。 |
| | | | |
| − | 根据<math>n</math>步转移概率矩阵可知,即四个转移概率均不存在极限。这个马尔科夫链存在着一个特性——<math>P_{ii}(n)</math>的序列<math>0,1,0,1,\ldots</math>数值大于0的步数为2,4,6,8等偶数,它们的公因子为2。若将使得转移概率<math>P_{ii}(n)>0</math>的转移步数<math>n</math>所组成的集合记为<math>A_i=\{n:n\geq1,P_{ii}(n)>0\}</math>。若<math>A_i</math>非空,则称其最大公约数为状态<math>i</math>的周期,记为<math>d_i</math>。若<math>d_i>1</math>,称<math>i</math>是'''周期的''';若<math>d_i=1</math>,称<math>i</math>是'''非周期的'''。在上节三状态的马尔科夫链中,由于<math>P_{33}=1>P_{22}=0.2>0</math>,那么<math>A_{2}=A_{3}=\{1,2,\ldots\}</math>,所以它们都是非周期的。对于状态1,其与状态2互通且状态2一步可达自身,那么<math>A_{1}=\{2,3,\ldots\}</math>,所以状态1也是非周期的。
| + | |
| | + | 这个马尔科夫链存在着一个特性——<math>P_{ii}(n)</math>序列<math>0,1,0,1,\ldots</math>中数值大于0对应的转移步数为2,4,6,8等偶数,它们的公因子为2。将使得转移概率<math>P_{ii}(n)>0</math>的转移步数<math>n</math>所组成的集合记为<math>A_i=\{n:n\geq1,P_{ii}(n)>0\}</math>。若<math>A_i</math>非空,则称其最大公约数为状态<math>i</math>的周期,记为<math>d_i</math>。若<math>d_i>1</math>,称<math>i</math>是'''周期的''';若<math>d_i=1</math>,称<math>i</math>是'''非周期的'''。在上节三状态的马尔科夫链中,由于<math>P_{33}=1>P_{22}=0.2>0</math>,那么<math>A_{2}=A_{3}=\{1,2,\ldots\}</math>,所以它们都是非周期的。对于状态1,其与状态2互通且状态2一步可达自身,那么<math>A_{1}=\{2,3,\ldots\}</math>,所以状态1也是非周期的。 |
| | | | |
| | | | |
| 第153行: |
第157行: |
| | | | |
| | 上述分类方法是基于局部性质进行两两判断分类。此外,还可以从整体转移机制的角度对状态进行划分,详细介绍参见[[Lumpability|成块性]](Lumpability)。 | | 上述分类方法是基于局部性质进行两两判断分类。此外,还可以从整体转移机制的角度对状态进行划分,详细介绍参见[[Lumpability|成块性]](Lumpability)。 |
| − |
| |
| − |
| |
| − | 对于时齐马尔科夫链,其演化过程由初始分布以及一步转移概率矩阵刻画,下面具体考察其演化性质。
| |
| | | | |
| | ==演化性质== | | ==演化性质== |