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
limn→∞P(n)ij=πj for j=0,1,…,N
และเท่าเทียมกัน
limn→∞Pr{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
πi≥0,∑i=0∞πi=1, and πj=∑i=0∞πiPij.
ซึ่งเป็นเงื่อนไขที่แน่นอนเหมือนกันกับข้างต้นยกเว้นตอนนี้มีจำนวนไม่ จำกัด ของรัฐ
ด้วยคำจำกัดความของความคงที่นี้คำสั่งในหน้า 168 สามารถปรับปรุงย้อนหลังเป็น:
- การ จำกัด การกระจายของลูกโซ่มาร์คอฟปกติคือการกระจายแบบคงที่
- หากการ จำกัด การกระจายของโซ่มาร์คอฟเป็นการแจกแจงแบบคงที่การกระจายแบบคงที่จะไม่ซ้ำกัน