上一节笔记:
学弱猹:随机过程|笔记整理(4)——返回时间,访问频率定理应用,离出分布,离出时间zhuanlan.zhihu.com——————————————————————————————————————————
大家好!
这一节我们开始对无限状态马尔可夫链做进一步的介绍。无限状态马尔可夫链的性质和有限状态略有不同,因此在一些问题的分析上,需要更加小心和注意。如果还有空的话,会给大家介绍泊松分布的基本概念。
那么我们开始吧。
目录
- 无限状态马尔可夫链的进一步探讨
- 泊松过程
- 复合泊松过程
无限状态马尔可夫链的进一步探讨
对于无限状态马尔可夫链,主要的问题在于对常返性和平稳分布的探讨。简单来说,在无限状态的情况下,因为状态空间
是一个无限集(别忘了,
我们要求可数),所以不可约+闭集
不能够再得到马尔可夫链常返的结论。同样,平稳分布也
并不是在不可约,常返,闭集等性质存在的时候,就能够存在的。因此在这一节,我们会用一个例子贯穿始终,观察
状态无限的时候,性质究竟会如何变化,又应该如何刻画。
Problem 1
考察一个随机游走问题。一个分子在数轴上向左或者向右移动。并且满足,。推导这个马尔可夫链在的取值变化的时候,对应平稳分布性质的改变。
这里
就可以理解为,
分子向右移动一步的概率为
研究平稳分布的性质,是因为无限状态马尔可夫链与有限状态,一个最大的区别就体现在了平稳分布的存在性上。现在我们不能够说平稳分布存在,所以我们只能先计算平稳测度。但无所谓,因为计算平稳测度,其实归根到底还是可以使用之前提到的细致平衡条件(见第3节
学弱猹:随机过程|笔记整理(3)——无限状态的平稳测度,返回时间,访问频率:几个定理的证明zhuanlan.zhihu.com通过相邻两步之间的表达式,可以计算出
这里我们设
是我们要的平稳测度的第
个元素。这个推导不难,我们留给读者。
有了这个之后,在运算合法的情况下,我们可以算出
为什么叫运算合法?是因为我们之前提过,如果是一个平稳分布,那么起码要保证
。但是很明显,如果
,这个条件是不满足的,潜在意思就是,
这个计算是不合法的,中间一定有出问题的步骤。但至少我们有了一个思考的方向,可以通过这个阈值
,来讨论我们
的取值。
如果
,那么我们有
,潜在意思是
可以认为是一个
等比数列,所以通过等比数列求和公式,可以得到我们
的表达式,这里我们就不细推导了,非常简单。
但如果
,这里就有问题了。首先因为
,所以从
出发,计算
的时候,数值就会呈“指数爆炸”的形态。那么很明显,因为我们要计算
以对平稳测度标准化为平稳分布,但是这样的话,
就
不是一个有限值,所以就没有办法标准化。总结一下,就是在
的时候,
平稳分布是不存在的。同样的,
的时候,虽然不会指数爆炸,但是我们会得到每一个
都是相等的值。这样也是不行的,因为
求一个无限和得到的值依然是无限的。所以平稳分布依然是不存在的。
如果我们到此为止了,那么相当于在说
是一个意思。
但事实上完全不是。要说清这一点,我们要从
常返这个概念出发,重新看这个问题。
如果
,那么每一个
都是有值的。并且根据
,我们就可以得到
。从
出发,有限次之后会回到
,这就是常返的定义。如果
,要想研究常返性,我们可以研究“先到达远点
的概率“,潜在意思就是把它变成一个
离出分布问题。
在这个题中,我们可以得出这么一个结论。
Lemma 1:,其中。
这里我们设
,那么我们有
,
。这样的话,会有
我们不难得到这个表达式的一个简便写法
(这里通过观察不难发现,但如果是学过数学竞赛或做过江苏高考,应该知道这种递推数列的通项求解其实是有通法的,后面我们会在另外一个例子简单介绍)因此可以得到的是
这是一个很经典的等比数列,并且在
的时候,公比是小