更改

在介绍随机动力学之前，我们需要从另一个视角来讨论马尔科夫链的 '''状态分布'''。

在介绍随机动力学之前，我们需要从另一个视角来讨论马尔科夫链的 '''状态分布'''。

我们让一个马尔科夫链的实例，从一个初始状态出发，经过了 <math>t</math> 步的演化（根据TPM的随机选择）之后，它仍然一个确定的状态，而不是一个分布。就像一个粒子在系统里流动，在 <math>t</math> 步以后，它仍然是一个处于某个节点的粒子，而不是分裂成了n个散落在各个节点上的部分。

需提醒的是，虽然马尔科夫链是一个随机过程，但一个马尔科夫链的实例在演化（根据TPM的随机选择）过程中，仍然是一个确定的状态，而不是一个分布，像一个粒子在系统里流动，在 <math>t</math> 步以后它仍然是一个处于某个节点的粒子，而不是分裂成了n个散落在各个节点上的部分。

所以，马尔科夫链在 <math>t</math> 时刻的 '''状态分布''' 是指，当我们给定一个初始状态分布 <math>\mu</math> 时，'''推断/估计''' 这个系统在 <math>t</math> 时刻处在各个状态的概率是多少。

所以，马尔科夫链在 <math>t</math> 时刻的 '''状态分布''' 是指，当我们给定一个初始状态分布 <math>\mu</math> 时，'''推断/估计''' 这个系统在 <math>t</math> 时刻处在各个状态的概率是多少。