文章目录
第三讲 马尔可夫链的状态
一、常返和暂留
Part 1:常返和暂留的定义
在马尔可夫链运行和转移的过程中,各个状态所起的作用不完全相同,因此我们要讨论几类特殊状态的特点,并给出状态空间的分解定理。设 { X n } \{X_n\} { Xn} 是一个时齐马尔可夫链,这是我们这一节的研究对象。此外这一节的概念比较多,需要注意区分。
首中时:给定状态 j ∈ I j\in I j∈I ,定义 τ j = inf { n ≥ 1 : X n = j } \tau_j=\inf\{n\geq1:X_n=j\} τj=inf{ n≥1:Xn=j} ,称为 j j j 的首中时。约定 inf ∅ = ∞ \inf\varnothing=\infty inf∅=∞ ,即如果不存在 n ≥ 1 n\geq1 n≥1 使得 X n = j X_n=j Xn=j ,则定义 τ j = ∞ \tau_j=\infty τj=∞ 。
首中时的含义是在零时刻从状态 i i i 出发的马尔可夫链首次到达状态 j j j 的时刻。
- 当 X 0 = i = j X_0=i=j X0=i=j 时, τ j \tau_j τj 表示马尔可夫链首次回到状态 j j j 的时刻;
- 当 X 0 = i ≠ j X_0=i\neq j X0=i=j 时, τ j \tau_j τj 表示马尔可夫链首次到达状态 j j j 的时刻。
利用首中时的概念,我们可以将马尔可夫链的状态分为常返态和暂留态。
- 如果 P ( τ j < ∞ ∣ X 0 = j ) = 1 P(\tau_j<\infty|X_0=j)=1 P(τj<∞∣X0=j)=1 ,则称 j j j 是常返态。常返态的含义是从某一状态出发以概率 1 1 1 在有限时间内返回该状态。
- 如果 P ( τ j < ∞ ∣ X 0 = j ) < 1 P(\tau_j<\infty|X_0=j)<1 P(τj<∞∣X0=j)<1 ,则称 j j j 是暂留态。暂留态的含义是从某一状态出发以一个正的概率不再返回该状态。
平均回转时:若状态 j j j 是常返态,定义 μ j = E ( τ j ∣ X 0 = j ) \mu_j={\rm E}(\tau_j|X_0=j) μj=E(τj∣X0=j) ,称为 j j j 的平均回转时。
利用平均回转时的概念,我们可以将常返态进一步分为正常返态和零常返态。
- 如果 μ j = E ( τ j ∣ X 0 = j ) < ∞ \mu_j={\rm E}(\tau_j|X_0=j)<\infty μj=E(τj∣X0=j)<∞ ,则称 j j j 是正常返态。
- 如果 μ j = E ( τ j ∣ X 0 = j ) = ∞ \mu_j={\rm E}(\tau_j|X_0=j)=\infty μj=E(τj∣X0=j)=∞ ,则称 j j j 是零常返态。
上述定义说明的是,在平均的意义下,正常返态的返回速度快于零常返态的返回速度。
简单回顾一下,这一部分我们介绍了两个概念——首中时和平均回转时。根据首中时我们将马尔可夫链的状态分为常返态和暂留态,根据平均回转时我们又将常返态分为了正常返态和零常返态。
Part 2:常返的判别条件 I
在上一节的学习中,我们知道马尔可夫链的性质常常用转移概率来刻画。在定义了常返态和暂留态之后,我们也希望能用一个概率来刻画常返态和暂留态的性质。
首先我们定义 n n n 步首次击中概率和 n n n 步首次返回概率。
- 令 f i j ( n ) f_{ij}^{(n)} fij(n) 表示从状态 i i i 出发经过 n n n 步之后首次击中状态 j j j 的概率,则有
f i j ( n ) = P ( τ j = n ∣ X 0 = i ) = P ( X n = j , X n − 1 ≠ j , ⋯ , X 1 ≠ j ∣ X 0 = i ) . f_{ij}^{(n)}=P\left(\tau_j=n|X_0=i\right)=P\left(X_n=j,X_{n-1}\neq j,\cdots,X_1\neq j|X_0=i\right) \ . fij(n)=P(τj=n∣X0=i)=P(Xn=j,Xn−1=j,⋯,X1=j∣X0=i