812
个编辑
更改
无编辑摘要
而且，这只是最简单，最基本的对马尔科夫链的粗粒化，我们下面会介绍不同的概念，它们分别满足上述的不同指标。
而且，这只是最简单，最基本的对马尔科夫链的粗粒化，我们下面会介绍不同的概念，它们分别满足上述的不同指标。
==基础划分==
马尔科夫状态中有一些基础的定义<ref name=":8">概率论与统计学5——马尔科夫链（Markov Chain） - 做大饼馅儿的韭菜的文章 - 知乎 <nowiki>https://zhuanlan.zhihu.com/p/274775796</nowiki></ref>，可以帮助我们对状态进行划分。
===滑过Transient和常返Recurrent===
滑过Transient状态是指从该状态出发后，经过任意n步也不存在回到该状态的可能路径。
常返Recurrent状态是指从该状态出发后，经过n步后能够回到该状态。
我们可以定义一个常返状态组为：组中任意两个状态都互相可达。
所以，我们就能把一条马尔科夫链分解成多个常返状态组和若干个滑过态。
===周期性===
如果一个常返状态组存在步数<math>n>1</math>，且每个常返状态<math>i</math>只会经过<math>n</math>步才会回到<math>i</math>，那么就可以把这个常返状态组分解成<math>n</math>个子集。这里我们借用了知乎上的例子<ref name=":8"/>进行说明：
假设一个马尔科夫链的状态按照这样的周期（步数<math>n=3</math>）循环，
<math>
\{s_1, s_2\} \rightarrow \{s_3, s_4, s_5\} \rightarrow \{s_6\} \rightarrow \{s_1, s_2\}
</math>
我们就可以把状态划分成<math>\{s_1, s_2\}</math>，<math>\{s_3, s_4, s_5\}</math>，<math>\{s_6\}</math>三个子集。