อะไรคือความแตกต่างระหว่าง "การ จำกัด " และการกระจาย "คงที่"?


21

ฉันกำลังทำคำถามเกี่ยวกับลูกโซ่มาร์คอฟและสองส่วนสุดท้ายบอกว่า:

  • ห่วงโซ่มาร์คอฟนี้มีการกระจายที่ จำกัด หรือไม่ หากคำตอบของคุณคือ "ใช่" ให้ค้นหาการกระจายแบบ จำกัด หากคำตอบของคุณคือ "ไม่" ให้อธิบายว่าทำไม
  • ห่วงโซ่มาร์คอฟนี้มีการกระจายที่คงที่หรือไม่ หากคำตอบของคุณคือ "ใช่" ให้ค้นหาการกระจายแบบนิ่ง หากคำตอบของคุณคือ "ไม่" ให้อธิบายว่าทำไม

อะไรคือความแตกต่าง? ก่อนหน้านี้ฉันคิดว่าการ จำกัด การกระจายคือเมื่อคุณทำงานออกมาโดยใช้P=CAnC1แต่นี่คือเมทริกซ์การเปลี่ยนขั้นตอนที่nพวกเขาคำนวณการ จำกัด การกระจายโดยใช้Π=ΠPซึ่งฉันคิดว่าเป็นการกระจายแบบนิ่ง

อันไหนล่ะ?


4
ตำราของคุณอาจสร้างความแตกต่างที่ไม่เป็นสากลตัวอย่างเช่นบันทึกย่อของ Karl Sigman เกี่ยวกับการ จำกัด การแจกแจงจะกำหนดการแจกแจง "จำกัด " และ "คงที่" ให้ตรงกัน (นิยาม 2.3 ที่ด้านล่างของหน้า 5) ดังนั้นคุณต้องศึกษาคำจำกัดความในตำราเรียนของคุณเพื่อที่จะกำหนดความแตกต่าง
whuber

limnPii(n)Π=(π0,π1,...,πn)

@whuber ที่จริงแล้วฉันค่อนข้างสับสนตอนนี้เพราะในคำถามการกระจาย จำกัด ก่อนหน้านี้พวกเขาไม่พอใจπ0+π1+π2=1ความเท่าเทียมกันอาจจะแตกต่างกัน?
Kaish

2
การกระจายแบบอยู่กับที่เป็นสิ่งที่เสถียรเมื่อเวลาผ่านไป เท่าที่ฉันทราบการ จำกัด การกระจายของห่วงโซ่มาร์คอฟคือเครื่องเขียนและถ้าห่วงโซ่มาร์คอฟมีการแจกแจงแบบคงที่มันก็เป็นการ จำกัด การกระจาย
shadowtalker

ตอบที่นี่โดย Andreas อาจช่วยquora.com/…
Siddharth Shakya

คำตอบ:


18

จากบทนำสู่การสร้างแบบจำลอง Stochasticโดย Pinsky และ Karlin (2011):

การกระจายที่ จำกัด เมื่อมีอยู่จะเป็นการกระจายแบบคงที่เสมอ แต่การสนทนาไม่เป็นความจริง อาจมีการกระจายแบบคงที่ แต่ไม่มีการ จำกัด การกระจาย ตัวอย่างเช่นไม่มีการ จำกัด การกระจายสำหรับเชนมาร์คอฟเป็นระยะซึ่งเมทริกซ์ความน่าจะเป็นช่วงการเปลี่ยนภาพคือ แต่คือการกระจายแบบคงที่เนื่องจาก (หน้า 205) π = ( 1

P=0110
(1π=(12,12)
(12,12)0110=(12,12)

ในส่วนก่อนหน้าพวกเขาได้กำหนด " การกระจายความน่าจะเป็นแบบจำกัด "โดยπ

limnPij(n)=πj for j=0,1,,N

และเท่าเทียมกัน

limnPr{Xn=j|X0=i}=πj>0 for j=0,1,,N
(p. 165)

ตัวอย่างข้างต้นแกว่งไปมาอย่างไม่แน่นอนและดังนั้นจึงไม่มีข้อ จำกัด ในลักษณะเดียวกับที่ลำดับล้มเหลวที่จะมีขีด จำกัด{1,0,1,0,1,}


พวกเขาระบุว่าห่วงโซ่มาร์คอฟปกติ (ซึ่งความน่าจะเป็นในการผ่านการเปลี่ยนแปลง n-step ทั้งหมดเป็นบวก) มักจะมีการ จำกัด การกระจายและพิสูจน์ว่ามันจะต้องเป็นวิธีการแก้ปัญหาแบบไม่ลบที่ไม่ซ้ำกัน

πj=k=0NπkPkj,  j=0,1,,N,k=0Nπk=1
(หน้า 168 )

จากนั้นในหน้าเดียวกับตัวอย่างพวกเขาเขียน

ชุดใด ๆพอใจ (4.27) เรียกว่าการแจกแจงความน่าจะเป็นแบบคงที่ของเชนมาร์คอฟ คำว่า "เครื่องเขียน" เกิดขึ้นจากคุณสมบัติที่ห่วงโซ่มาร์คอฟเริ่มต้นตามการแจกแจงแบบคงที่จะติดตามการกระจายตัวนี้ตลอดเวลา อย่างเป็นทางการถ้าดังนั้นสำหรับทั้งหมด Pr { X 0 = i } = π i Pr { X n = i } = π i n = 1 , 2 , ...(πi)i=0Pr{X0=i}=πiPr{Xn=i}=πin=1,2,

โดยที่ (4.27) คือชุดของสมการ

πi0,i=0πi=1, and πj=i=0πiPij.

ซึ่งเป็นเงื่อนไขที่แน่นอนเหมือนกันกับข้างต้นยกเว้นตอนนี้มีจำนวนไม่ จำกัด ของรัฐ

ด้วยคำจำกัดความของความคงที่นี้คำสั่งในหน้า 168 สามารถปรับปรุงย้อนหลังเป็น:

  1. การ จำกัด การกระจายของลูกโซ่มาร์คอฟปกติคือการกระจายแบบคงที่
  2. หากการ จำกัด การกระจายของโซ่มาร์คอฟเป็นการแจกแจงแบบคงที่การกระจายแบบคงที่จะไม่ซ้ำกัน

คุณสามารถอธิบายสิ่งที่คุณหมายถึงโดย 'ความน่าจะเป็นในการเปลี่ยนแปลงไม่เปลี่ยนแปลงตลอดเวลา' เพื่อความคงที่? ทั้งการ จำกัด และการกระจายแบบอยู่กับที่เกี่ยวกับความน่าจะเป็นเหนือรัฐ
Juho Kokkala

1
ใช่ฉันเห็นคุณเขียนคำตอบของคุณเอง แต่ฉันจัดระเบียบใหม่ให้ถูกต้องมากขึ้น
shadowtalker

ฉันยังไม่เข้าใจ ฉันหมายถึงคุณหมายถึงอะไรเมื่อคุณพูดว่า "ยกเว้นตอนนี้ที่มีจำนวนรัฐไม่ จำกัด .... "? คุณช่วยอธิบายให้ชัดเจนยิ่งขึ้นได้ไหม
roni

@roni ทั้งสองนิพจน์นั้นเหมือนกันถ้าคุณให้N=
shadowtalker

ในบล็อกที่ไฮไลต์แรกคือการแจกแจงแบบคงที่สำหรับตัวอย่างอย่างไรก็ตามไม่มีการ จำกัด การกระจายเนื่องจากจะแกว่งและดังนั้นจึงไม่มีสถานะคงที่ นี่หมายความว่าจะไม่รับประกันการมีอยู่ของสถานะคงที่หากคำนวณการกระจายแบบคงที่เท่านั้น? P nπ=(1/2,1/2)Pn
Guoyang Qin

12

กระจายนิ่งคือการกระจายเช่นว่าถ้ากระจายไปทั่วรัฐในขั้นตอนเป็นแล้วยังกระจายไปทั่วรัฐในขั้นตอนคือ\นั่นคือ การ จำกัด การแจกแจงคือการกระจายที่ไม่ว่าการแจกแจงเริ่มต้นจะเป็นอะไรก็ตามการกระจายไปทั่วรัฐมาบรรจบกับตามจำนวนของ ขั้นตอนไปที่อินฟินิตี้: เป็นอิสระจากk π k + 1 π π = π P π π Lim k →การ π ( 0 ) P k = π , π ( 0 )πkπk+1π

π=πP.
ππ
limkπ(0)Pk=π,
π(0). ยกตัวอย่างเช่นให้เราพิจารณาห่วงโซ่มาร์คอฟที่มีสองรัฐมีด้านของเหรียญที่\} แต่ละขั้นตอนประกอบด้วยการพลิกเหรียญคว่ำ (ด้วยความน่าจะเป็น 1) โปรดทราบว่าเมื่อเราคำนวณการแจกแจงสถานะพวกเขาไม่ได้มีเงื่อนไขในขั้นตอนก่อนหน้าคือคนที่คำนวณความน่าจะไม่เห็นเหรียญ ดังนั้นเมทริกซ์การเปลี่ยนแปลงคือ ถ้าเราเริ่มต้นเหรียญโดยการพลิกมันแบบสุ่ม ( ) ดังนั้นขั้นตอนเวลาที่ตามมาทั้งหมดจะเป็นไปตามการแจกแจงนี้ (ถ้าคุณพลิกเหรียญออกมาแล้วคว่ำลงความน่าจะเป็นของหัวยังคงอยู่ที่ ) ดังนั้น,P = ( 0 1 1 0 ) π ( 0 ) = ( 0.5 0.5 ) 0.5 ( 0.5 0.5 ){heads,tails}
P=(0110).
π(0)=(0.50.5)0.5(0.50.5)เป็นการกระจายแบบคงที่สำหรับเชนมาร์คอฟนี้

แต่ห่วงโซ่นี้ไม่ได้มีการกระจายการ จำกัด : สมมติว่าเราเริ่มต้นเหรียญเพื่อที่จะเป็นหัวกับความน่า2/3จากนั้นเป็นรัฐทั้งหมดที่ตามมาจะถูกกำหนดโดยสถานะเริ่มต้นหลังจากที่เป็นเลขคู่ของขั้นตอนของรัฐเป็นหัวกับความน่าจะเป็นและหลังเป็นเลขคี่ขั้นตอนของรัฐเป็นหัวกับความน่า1/3สิ่งนี้ถือได้ว่าไม่ว่าจะมีกี่ก้าวก็ตามดังนั้นการกระจายข้ามรัฐก็ไม่ จำกัด2 / 3 1 / 32/32/31/3

ตอนนี้ให้เราปรับเปลี่ยนกระบวนการเพื่อให้ในแต่ละขั้นตอนหนึ่งไม่จำเป็นต้องเปลี่ยนเหรียญ แต่มีใครขว้างปาตายและถ้าผลที่ได้คือเหรียญจะเหลือเท่าเดิม ห่วงโซ่มาร์คอฟนี้มีเมทริกซ์การเปลี่ยนแปลง โดยไม่ต้องผ่านคณิตศาสตร์ฉันจะชี้ให้เห็นว่ากระบวนการนี้จะ 'ลืม' สถานะเริ่มต้นเนื่องจากการละเว้นการสุ่ม หลังจากขั้นตอนจำนวนมากความน่าจะเป็นของหัวจะอยู่ใกล้กับแม้ว่าเราจะรู้วิธีการเริ่มต้นเหรียญ ดังนั้นห่วงโซ่นี้มีการกระจายการ จำกัด{pmatrix}6

P=(1/65/65/61/6).
0.5(0.50.5)

จุดที่ดีเกี่ยวกับการลืมสถานะเริ่มต้นฉันได้คัดค้านอย่างสมบูรณ์ในคำตอบของฉัน
shadowtalker

คำอธิบายนี้ช่วยให้ฉันเข้าใจมาก ฉันสามารถพูดได้ว่าการดำรงอยู่ของรัฐที่มั่นคงจะเทียบเท่ากับการดำรงอยู่ของการกระจาย จำกัด ? เนื่องจากมันไม่ง่ายที่จะคำนวณการแจกแจงที่มีข้อ จำกัด เราจึงมักจะคำนวณการกระจายแบบคงที่โดยการแก้สมการสมดุลแทน อย่างไรก็ตามฉันคิดว่าวิธีทางเลือกนี้ไม่รับประกันว่าการกระจายแบบคงที่จะเป็นอิสระจากสถานะเริ่มต้นดังนั้นจึงอธิบายว่าทำไมสำหรับมันมีการกระจายแบบคงที่ แต่ ไม่มีสถานะคงที่ที่เป็นอิสระจากสถานะเริ่มต้น P=(0110)
Guoyang Qin

@GuoyangQin หากคุณมีคำถามใหม่คุณอาจต้องการโพสต์เป็นคำถาม (เชื่อมโยงกับคำถามนี้หากมันช่วยให้มีคำถาม) แม้ว่าฉันจะคิดว่า "สถานะคงที่" ในบริบทนี้จะหมายถึง "การกระจายแบบคงที่" ดังนั้นจึงเป็นการดีที่สุดที่จะกำหนดคำศัพท์ในคำถามอย่างชัดเจน
Juho Kokkala

10

วางสัญลักษณ์ไว้ข้างคำว่า "เครื่องเขียน" หมายถึง "เมื่อคุณไปถึงที่นั่นคุณจะอยู่ที่นั่น"; ในขณะที่คำว่า "จำกัด " หมายถึง "ในที่สุดคุณจะไปถึงที่นั่นถ้าคุณไปไกลพอ" แค่คิดว่านี่อาจเป็นประโยชน์


ยังไม่ชัดเจนว่าจะใช้กับคำถามนี้อย่างไร คุณอธิบายได้ไหม
whuber

2
สวัสดี @whuber ฉันหมายถึงว่าการกระจายแบบ จำกัด นั้นจำเป็นต้องมีการแจกแจงแบบคงที่ในขณะที่การกระจายแบบคงที่นั้นไม่ได้เป็นการ จำกัด แบบกระจาย ดังนั้นจึงมีความแตกต่าง นี่เป็นหลักเหมือนกับคำตอบอื่น ๆ แต่ฉันคิดว่ามันง่ายต่อการจดจำ
BlueSky

ขอบคุณสำหรับคำชี้แจง: มันแสดงให้เราเห็นว่าคุณพยายามทำอะไรให้สำเร็จ อย่างไรก็ตามฉันไม่สามารถหาวิธีที่เหมาะสมในการตีความคำอธิบายของคุณ "นิ่ง" ในลักษณะที่สอดคล้องกับข้อกำหนดทางคณิตศาสตร์
whuber

@whuber คำพูดของ BlueSky ดูเหมือนจะเป็นความคิดที่เรียบง่ายตรงไปตรงมาที่สุดของ "จุดคงที่" สำหรับฉัน - ฉันไม่แน่ใจว่าสิ่งที่วัตถุของคุณอาจหมายถึง
Richard Rast
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.