吸收马尔科夫链图解

原博客

吸收马尔可夫链

在马尔可夫链中,称Pij=1的状态为吸收状态。如果一个马尔可夫链中至少包含一个吸收状态,并且从每一个非吸收状态出发,都可以到达某个吸收状态,那么这个马尔可夫链称为吸收马尔可夫链(Absorbing Markov Chains[1]

Drunkard's Walk

在上图的醉汉游走模型中,当醉汉处于位置12或者3时,他将会以等概率(1/2)向左或者向右走,他一直走,直到他到达位置0(他的家)或者位置4(酒吧)才停止游走。这模型的转移矩阵为:

含有 个吸收状态和 个非吸收状态的吸收链,其转移矩阵的标准形式为:

这里的 是一个r×r的单位矩阵,0是一个r×t的零矩阵,R是一个t×r的非零矩阵,Q是一个t×t的矩阵。

  • 吸收链到达吸收状态的概率为1(即当n时,Qn0)。
  • 对于吸收链P的标准形式,矩阵 "I-Q" 有可逆矩阵 N=(I-Q)^(-1)=I+Q+Q^2+···    (等比数列求和取极限,这里的I只是个txt的单位矩阵)
  • N:元素 nij 是从非吸收状态si到另一非吸收状态sj平均转移次数。设c为元素全为1的列向量,则
  • t=Nc (c=[1,1,···,1]'):的第 个分量是从第 非吸收态出发,到某个吸收状态的平均转移次数
  • B=NR:非吸收状态i出发最终被吸收状态j吸收的概率

以上图的醉汉游走模型为例,其转移矩阵的标准形式为:

      

N的中间一行可以看出,如果从状态2开始,则被吸收前到达状态123的平均转移次数分别为121

从状态123出发,到达吸收状态的平均转移次数分别为343。

 

由矩阵B的第一行可知,从状态1出发,有3/4的概率到达吸收状态0,有1/4的概率到达吸收状态4。

 

各态遍历马尔科夫链(ergodic Markov chain)

对于马尔可夫链,需要注意以下的两点:
1、周期性:即经过有限次的状态转移,又回到了自身;
2、不可约:即两个状态之间相互转移;
如果一个马尔可夫过程既没有周期性,又不可约,则称为各态遍历马尔科夫链(ergodic Markov chain

稳定分布π是一个(行)向量,它的元素都非负且和为1,不随施加P操作而改变,定义为:\pi {\mathbf  {P}}=\pi .\,

对于一个各态遍历的马尔可夫过程,无论初始值π(0)取何值,随着转移次数的增多,随机变量的取值分布最终都会收敛到唯一的平稳分布π∗,即:

且这个平稳分布π∗满足:

其中,为转移概率矩阵。

  • 14
    点赞
  • 64
    收藏
    觉得还不错? 一键收藏
  • 3
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值