对于 Markov 链来说,我们总是关心它的长期行为。稳态分布给出了一种刻画长期行为的办法(如果极限分布存在,那么它一定是 稳态的)。
对于离散时间 Markov 链 P,如果 πP=π,则称 π 是一个稳态分布。
对于连续时间 Markov 链 Pt,如果 πPt=π,则称 π 是一个稳态分布。
存在和唯一性
所有有限状态的 Markov 链都有稳态分布。这样的稳态分布可以如下构造:给定一个 z∈X 属于某个闭类,考虑从 z 开始的链 Xi,令 Nx 是在回到 z 之间访问 x 的数量,则
π(x)=E(τz+)E(Nx)
另外,如果 P 还是不可约的,那么只有一个稳态分布。这个稳态分布是
π(z)=E(τz+)1
一个更强的结果是,它的 1-本征空间的维数最多为 1。
连续时间
所有有限状态的连续时间 Markov 链都有稳态分布。另外,如果 P 还是不可约的,那么只有一个稳态分布。在不可约的情况下,也可以由以下给出
π(x)=−Q(x,x)E(τx+)1
存在和唯一性(可数无穷)
如果一可数状态 Markov 链有一个正常返状态,那么它也有稳态分布。不可约的、正常返的可数状态 Markov 链的稳态分布唯一,这个稳态分布和上面给出的表达式相同。反之,如果一个不可约的可数状态 Markov 链有稳态分布,那么它是正常返的。
可逆性
称 P 对 π 可逆,如果 π(x)P(x,y)=π(y)P(y,x)。可逆性可以推出稳态分布。
对于连续时间,则是 π(x)Pt(x,y)=π(y)Pt(y,x),这与 π(x)Q(x,y)=π(y)Q(y,x) 完全等价。这里的可逆性也可以推出稳态分布。
收敛性
对于有限空间、不可约、非周期性的 Markov 链,其唯一的稳态分布为 π,则对任何初始分布 μ,都有 μPi→π,或者 Xi→dπ。对于连续时间来说,也是一样,而且不用担心周期性。
对于可数空间、不可约、非周期性的 Markov 链,
- 如果它是正常返的,则唯一的稳态分布为 π,则对任何初始分布 μ,都有 Xi→dπ
- 如果它是零常返的,则 Pi(x,y)→0(这个对有周期的也成立)
连续时间与离散时间的关系
以下三个条件等价:
- ∀t,πPt=π
- πQ=0
- μK=μ,其中 μ(x)=π(x)Q(x,x)/∑yπ(y)Q(y,y)
相关内容
参考文献