由于随机过程中离散时间马尔科夫链定义很多,网上资源又过于零散,书上笔记也写得十分零碎,所以就写篇博客来记录一下这些定义的通俗理解。
对了宝贝儿们,卑微小李的公众号【野指针小李】已开通,期待与你一起探讨学术哟~摸摸大!
首达概率
:
f
i
j
(
n
)
=
P
(
X
n
=
j
,
X
k
≠
j
,
k
=
1
,
2
,
…
,
n
−
1
∣
X
0
=
i
)
f_{ij}^{(n)}=\mathbb{P}(X_n=j, X_k \neq j, k = 1, 2, \dots, n - 1 | X_0=i)
fij(n)=P(Xn=j,Xk=j,k=1,2,…,n−1∣X0=i),称
f
i
j
(
n
)
f_{ij}^{(n)}
fij(n)为马氏链
X
X
X 在 0 时从状态
i
i
i 出发,经过
n
n
n 步转移首次到达状态
j
j
j 的概率,简称首达概率。
平均转移步数
:
μ
i
i
=
∑
n
=
1
+
∞
n
f
i
i
n
\mu_{ii}=\sum_{n=1}^{+\infty}nf_{ii}^n
μii=∑n=1+∞nfiin,反映了马氏链从状态
i
i
i 出发首次再返回到状态
i
i
i 的平均时间或平均转移步数。
最大公约数
:对状态
i
∈
S
i \in S
i∈S,若正整数集合
{
n
∣
n
≥
1
,
p
i
i
(
n
)
>
0
}
\{n | n \geq 1, p_{ii}^{(n)} > 0\}
{n∣n≥1,pii(n)>0} 非空,记该集合的最大公约数为
d
i
d_i
di,即:
d
i
=
G
C
D
{
n
∣
n
≥
1
,
p
i
i
(
n
)
>
0
}
d_i={\rm GCD}\{n | n \geq 1, p_{ii}^{(n)} > 0\}
di=GCD{n∣n≥1,pii(n)>0}
常返
:
f
i
i
=
1
f_{ii}=1
fii=1,就是说从一个状态出去后还可以回到这个状态。比如如下的转移概率矩阵:
[
0
1
1
0
]
\begin{aligned} \begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix} \end{aligned}
[0110]
非常返
:
f
i
i
<
1
f_{ii}<1
fii<1,就是说从一个状态出去后就再也返回不回来了。比如如下的转移概率矩阵:
[
0.5
0.5
0
1
]
\begin{aligned} \begin{bmatrix} 0.5 & 0.5 \\ 0 & 1 \end{bmatrix} \end{aligned}
[0.500.51]
正常返
:设状态
i
∈
S
i \in S
i∈S 是常返的,
μ
i
i
<
+
∞
\mu_{ii} < +\infty
μii<+∞,则称状态
i
i
i 是正常返的。就是说能够在有限次迭代中返回到状态
i
i
i。比如如下的转移概率矩阵:
[
0
1
1
0
]
\begin{aligned} \begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix} \end{aligned}
[0110]
零常返
:设状态
i
∈
S
i \in S
i∈S 是常返的,
μ
i
i
=
+
∞
\mu_{ii} = +\infty
μii=+∞,则称状态
i
i
i 是零常返的。就是说虽然能够回来,但是要在无限次迭代中才回得来。具体的例子如下:
就是说对于这种发散级数而言,需要无限次迭代才能够回得来[2]。
周期
:当最大公约数
d
i
>
1
d_i > 1
di>1 时,称状态
i
i
i 是有周期的,并称
d
i
d_i
di 为状态
i
i
i 的周期。就是说在一定周期内返回到
i
i
i。比如如下的转移概率矩阵:
[
0
1
0
0
0
1
1
0
0
]
\begin{aligned} \begin{bmatrix} 0 & 1 & 0 \\ 0 & 0 & 1 \\ 1 & 0 & 0 \end{bmatrix} \end{aligned}
⎣⎡001100010⎦⎤
非周期
:最大公约数
d
i
=
1
d_i=1
di=1 ,称状态
i
i
i 是非周期的。就是说没有固定的周期返回到
i
i
i。比如如下的转移概率矩阵:
[
0.5
0.5
0
0
0
1
1
0
0
]
\begin{aligned} \begin{bmatrix} 0.5 & 0.5 & 0 \\ 0 & 0 & 1 \\ 1 & 0 & 0 \end{bmatrix} \end{aligned}
⎣⎡0.5010.500010⎦⎤
周期与非周期的判断其实就是判断
p
i
i
p_{ii}
pii 是否为0(即有没有自环),如果有自环,那么一定是非周期的,否则再做其他的判断。关于有自环一定是非周期的直观理解,我们以下图作为例子:
我们以 1 号节点为例,如果要回到自己,那么第一次在 0 号节点这里,会遇到自环,所以有可能以 0.5 的概率
0
→
0
0 \rightarrow 0
0→0,接着再到 1;也有可能经历两次
0
→
0
0 \rightarrow 0
0→0,经历三次
0
→
0
0 \rightarrow 0
0→0,
…
\dots
… 。所以我们无法评估这个周期究竟是多少,所以有自环是非周期的。
遍历态
: 正常返的非周期状态。
可达
: 设状态
i
,
j
∈
S
i, j \in S
i,j∈S , 若存在正整数
n
n
n ,使
p
i
j
(
n
)
>
0
p_{ij}^{(n)} > 0
pij(n)>0 ,则称状态
i
i
i 可达状态
j
j
j ,记为
i
→
j
i \rightarrow j
i→j。就是说
i
i
i 经过
n
n
n 步能够到达
j
j
j。
互通
:
i
→
j
,
j
→
i
i \rightarrow j, j \rightarrow i
i→j,j→i,则称状态
i
i
i 与状态
j
j
j 互通,记为
i
↔
j
i \leftrightarrow j
i↔j。
闭集
:设
C
C
C 是马尔科夫链状态空间
S
S
S 的子集,若对任意状态
i
∈
C
,
j
∉
C
i \in C, j \notin C
i∈C,j∈/C ,任意正整数
n
≥
0
n \geq 0
n≥0, 有
p
i
j
(
n
)
=
0
p_{ij}^{(n)} = 0
pij(n)=0,则称
C
C
C 为闭集。简单来说就是有两个集合
C
,
C
j
C, C_j
C,Cj ,
C
C
C 中任意状态都不可达
C
j
C_j
Cj 中的任意状态,那么
C
C
C 就是闭集。
吸状态
:如果闭集
C
C
C 只包含一个状态,则称该状态为吸状态。
不可约闭集
:如果闭集
C
C
C 中不包含任何非空的闭真子集,则称
C
C
C 为不可约闭集。简单来说就是无论当前状态如何,我们都能在有限时间内达到任何其他状态。
闭集
,吸状态
,不可约闭集
如下图所示:
我们将该例子的状态空间分解,可以得到三个闭集
,
C
1
=
{
0
,
1
,
2
}
,
C
2
=
{
3
,
4
}
,
C
3
=
{
6
}
C_1 = \{0, 1, 2\}, C_2=\{3, 4\}, C_3=\{6\}
C1={0,1,2},C2={3,4},C3={6}。其中
C
1
C_1
C1 和
C
2
C_2
C2 为不可约闭集
,
C
3
C_3
C3 为吸状态
。
当由 P P P(转移概率矩阵)定义的马尔科夫链具有不可约性和非周期性,则具有唯一平稳分布。
参考
[1] 冯海林, 薄立军. 研究生系列教材·随机过程——计算与应用[M]. 西安电子科技大学出版社, 2012: 125-158.
[2] 凉冰难消一腔热血. 马尔可夫链的常返态和非常返态-零常返态[EB/OL]. (2020-09-13)[2021-06-21]. https://blog.csdn.net/weixin_45676049/article/details/108563527
[3] 声声醉如兰. 马尔可夫链的平稳分布[EB/OL]. (2020-11-08)[2021-06-21]. https://www.cnblogs.com/alan-W/p/13945969.html
[4] uplow. 如何理解马尔科夫链中的常返态,非常返态,零常返,正常反,周期和非周期,有什么直观意义?[EB/OL]. (2017-11-21)[2021-06-21]. https://www.zhihu.com/question/46539491
[5] Norstc. 【通俗易懂的通信】马尔可夫过程Ⅱ:马尔可夫链中的状态,常返、非常返[EB/OL]. (2020-10-22)[2021-06-21]. https://blog.csdn.net/a493823882/article/details/109230760
[6] 李佳骏. 马尔科夫链的非周期性到底有什么含义?[EB/OL]. (2018-01-23)[2021-06-21]. https://www.zhihu.com/question/38338191/answer/301466040
[7] “不可约的马尔可夫链”是什么意思?[EB/OL]. (2017-10-30)[2021-06-21]. https://xuexi.zqnf.com/1238837.html