稳态分布的计算
对于有限状态数量的稳态分布计算
Method 1:
将系统状态矩阵代入稳态分布的公式中,
解方程即可:
Method 2:
对于较少状态数量,直接计算转移概率矩阵的极限,如果收敛于一个矩阵的话,那么里面的每一行都是稳态分布。
对于《“缺心眼”教授》的栗子,我们可以用上面这两种方法来求出,这位教授在统计意义上会被淋湿的概率,其实也就是下雨但是没有伞的概率。
我们可以先Method 1求出这个问题的稳态分布:
那么稳态分布的第一项就是统计意义上没有伞的概率,再乘上下雨的概率p就是这位教授要被淋湿的概率。
如果要用Method 2来计算的话,我们得先知道p的值,代入到一步转移概率矩阵再计算出多步转移概率矩阵的值。假设p=0.1。那么
这个极限收敛矩阵的每一行都是稳态分布,我们可以用Method 1 的结果来验证一下:
对于无限状态数量的稳态分布计算
因为状态数量无限时,就不可能用解方程组或者求极限的当时来算稳态分布了。这个时候,就像高数里面推导等比数列通项公式一样,我们可以从状态转移图里面发现一些“规律”来通用的表示某些时刻的瞬时概率。这些规律就是全局守恒方程和特定守恒方程。全局守恒方程(GBE:Global Balance Equations)
公式一:
公式二:
如果把状态转移图中的一部分连在一起的状态组成一个一个集合S,那么所有流入这个集合的频率等于流出这个集合的频率。
特定守恒方程(DBE:Detailed Balance Equations)
生死链(Birth-Death Chain)
对于一个一维的Markov链,一个状态只能向相邻状态进行转移,这意味着:
这种Markov链就叫做生死链,如果第n的状态不能向第n+1个状态转移,那么只能向第n-1个状态转移,非生即死,所以被形象的称为“生死链”。
对于“生死链”来说,全局守恒方程就变成了特定守恒方程:
稳态分布的计算
对于有限状态数量的稳态分布计算
Method 1:
将系统状态矩阵代入稳态分布的公式中,
解方程即可:
Method 2:
对于较少状态数量,直接计算转移概率矩阵的极限,如果收敛于一个矩阵的话,那么里面的每一行都是稳态分布。
对于《“缺心眼”教授》的栗子,我们可以用上面这两种方法来求出,这位教授在统计意义上会被淋湿的概率,其实也就是下雨但是没有伞的概率。
我们可以先Method 1求出这个问题的稳态分布:
那么稳态分布的第一项就是统计意义上没有伞的概率,再乘上下雨的概率p就是这位教授要被淋湿的概率。
如果要用Method 2来计算的话,我们得先知道p的值,代入到一步转移概率矩阵再计算出多步转移概率矩阵的值。假设p=0.1。那么
这个极限收敛矩阵的每一行都是稳态分布,我们可以用Method 1 的结果来验证一下:
对于无限状态数量的稳态分布计算
因为状态数量无限时,就不可能用解方程组或者求极限的当时来算稳态分布了。这个时候,就像高数里面推导等比数列通项公式一样,我们可以从状态转移图里面发现一些“规律”来通用的表示某些时刻的瞬时概率。这些规律就是全局守恒方程和特定守恒方程。全局守恒方程(GBE:Global Balance Equations)
公式一:
公式二:
如果把状态转移图中的一部分连在一起的状态组成一个一个集合S,那么所有流入这个集合的频率等于流出这个集合的频率。
特定守恒方程(DBE:Detailed Balance Equations)
生死链(Birth-Death Chain)
对于一个一维的Markov链,一个状态只能向相邻状态进行转移,这意味着:
这种Markov链就叫做生死链,如果第n的状态不能向第n+1个状态转移,那么只能向第n-1个状态转移,非生即死,所以被形象的称为“生死链”。
对于“生死链”来说,全局守恒方程就变成了特定守恒方程: