更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
马尔科夫链的粗粒化
(查看源代码)
2024年10月17日 (四) 15:09的版本
添加80字节
、
2024年10月17日 (星期四)
→Lumpability
第145行:
第145行:
强调考虑所有初始状态<math>\pi</math>的目的是确保这两种路径在任何时间点给出的微观状态和宏观状态之间的关系是一致的。
强调考虑所有初始状态<math>\pi</math>的目的是确保这两种路径在任何时间点给出的微观状态和宏观状态之间的关系是一致的。
−
无论我们从哪个微观状态开始,无论是走宏观动力学
(路径1)还是微观动力学(路径2)
,系统在任何时间点的微观状态和宏观状态的对应关系都是相同的,也会到达相同的宏观状态,也就是满足了交换律。
+
无论我们从哪个微观状态<math>s^{(t)}</math>出发,对该<math>s^{(t)}</math>来说,无论是走宏观动力学
(路径1)还是微观动力学(路径2)
,系统的微观状态和宏观状态的对应关系都是相同的,也会以相同的概率到达宏观状态<math>A^{(t+1)}</math>,也就是'''满足了交换律'''。
下一个小节我们会给出反例,说明non-lumpable的情况下,式子(3)并不是对所有的<math>\pi</math>都成立。
下一个小节我们会给出反例,说明non-lumpable的情况下,式子(3)并不是对所有的<math>\pi</math>都成立。
第165行:
第165行:
|{{EquationRef|4}}}}
|{{EquationRef|4}}}}
−
这个公式表达的是,群组<math>A_i</math>到群组<math>A_j</math>的转移概率 = 群组<math>A_i</math>中任意状态<math>s_k</math>到群组<math>A_j</math>的转移概率 = 群组<math>i</math>
中所有状态
<math>s_k</math>到群组<math>A_j</math>
中的状态的转移概率的和。
+
这个公式表达的是,群组<math>A_i</math>到群组<math>A_j</math>的转移概率 = 群组<math>A_i</math>中任意状态<math>s_k</math>到群组<math>A_j</math>的转移概率 = 群组<math>i</math>
中任意状态
<math>s_k</math>到群组<math>A_j</math>
中的所有状态的转移概率的和。
Liangjh
97
个编辑
导航菜单
个人工具
登录
名字空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
集智百科
集智主页
集智斑图
集智学园
最近更改
所有页面
帮助
工具
特殊页面
可打印版本