应用:数据、图与动力系统

平稳分布

平稳分布是随机过程的歇脚点:若链已处于这个分布,再走一步它仍不变。它是系统在每个状态上长期停留的时间比例,与起点无关(对性质良好的链而言)。

形式上,对马尔可夫矩阵 P,它是一个概率向量 pi,满足 pi = P pi(列约定)且各分量之和为 1。故 pi 是 P 关于特征值 1 的特征向量。在行约定下它是左特征向量:pi^T = pi^T P。联立 (P - I) pi = 0 与归一化 sum(pi) = 1 即可定出它。

存在性有保证,因为 1 永远是随机矩阵的特征值。唯一性与从任意起点的收敛来自佩龙-弗罗贝尼乌斯定理:若链不可约(任一状态都可从任一其他状态到达)且非周期,则 pi 唯一,且对任意起始 p_0 有 P^k p_0 -> pi。

为何重要:平稳分布正是 PageRank 所计算的对象,是告诉你排队系统均衡占用率的量,也是马尔可夫链蒙特卡洛能奏效的原因。警示:周期链有平稳分布却永不稳定到它(一直循环),而可约链可能有多个平稳分布,取决于你落入哪个陷阱。

P = [0.9, 0.5; 0.1, 0.5] -> solve pi = P pi, sum=1 -> pi = (5/6, 1/6)^T

平稳向量是特征值 1 对应的特征向量,归一化为和等于一。

平稳不等于可逆。平稳分布只需满足 pi = P pi;可逆链还需满足细致平衡 pi_i P_ji = pi_j P_ij,这是许多采样算法所利用的更强对称性。

又称
equilibrium distributioninvariant distribution