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1、2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 r 个吸收状态和 t 个非吸收状态的吸收链,其转移矩阵的标准形式为:
这里的 I 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,Qn→0)。
- 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的平均转移次数。设c为元素全为1的列向量,则
- t=Nc (c=[1,1,···,1]'):的第 i 个分量是从第 i 个非吸收态出发,到某个吸收状态的平均转移次数。
- B=NR:从非吸收状态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:
从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1、2和3的平均转移次数分别为1、2和1。
从状态1、2和3出发,到达吸收状态的平均转移次数分别为3、4和3。
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:
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。