應用:資料、圖與動力系統
平穩分佈
平穩分佈是隨機過程的歇腳點:若鏈已處於這個分佈,再走一步它仍不變。它是系統在每個狀態上長期停留的時間比例,與起點無關(對性質良好的鏈而言)。
形式上,對馬可夫矩陣 P,它是一個機率向量 pi,滿足 pi = P pi(行約定)且各分量之和為 1。故 pi 是 P 關於特徵值 1 的特徵向量。在列約定下它是左特徵向量:pi^T = pi^T P。聯立 (P - I) pi = 0 與歸一化 sum(pi) = 1 即可定出它。
存在性有保證,因為 1 永遠是隨機矩陣的特徵值。唯一性與從任意起點的收斂來自佩龍-弗羅貝尼烏斯定理:若鏈不可約(任一狀態都可從任一其他狀態到達)且非週期,則 pi 唯一,且對任意起始 p_0 有 P^k p_0 -> pi。
為何重要:平穩分佈正是 PageRank 所計算的對象,是告訴你排隊系統均衡佔用率的量,也是馬可夫鏈蒙地卡羅能奏效的原因。警示:週期鏈有平穩分佈卻永不穩定到它(一直循環),而可約鏈可能有多個平穩分佈,取決於你落入哪個陷阱。
P = [0.9, 0.5; 0.1, 0.5] -> solve pi = P pi, sum=1 -> pi = (5/6, 1/6)^T
平穩向量是特徵值 1 對應的特徵向量,歸一化為和等於一。
平穩不等於可逆。平穩分佈只需滿足 pi = P pi;可逆鏈還需滿足細緻平衡 pi_i P_ji = pi_j P_ij,這是許多取樣演算法所利用的更強對稱性。
又稱
另見