文档帮助中心文档
确定马尔可夫链渐近
xFix =渐近(mc)
[xFix, tMix] =渐近(mc)
例子
xFix=渐近(mc)返回平稳分布xFix离散马尔可夫链mc.
xFix=渐近(mc)
xFix
mc
[xFix,tMix) =渐近(mc)另外返回混合时间的估计tMix.
[xFix,tMix) =渐近(mc)
tMix
全部折叠
考虑这个理论的,一个随机过程的右随机转移矩阵。
P = [ 0 0 1 / 2 1 / 4 1 / 4 0 0 0 0 1 / 3. 0 2 / 3. 0 0 0 0 0 0 0 1 / 3. 2 / 3. 0 0 0 0 0 1 / 2 1 / 2 0 0 0 0 0 3. / 4 1 / 4 1 / 2 1 / 2 0 0 0 0 0 1 / 4 3. / 4 0 0 0 0 0 ] .
建立以转移矩阵为特征的马尔可夫链P.
P = [0 0 1/4 1/4 0 0;0 0 1/3 0 2/3 0 0;0 0 0 0 1/3 2/3;0 0 0 0 1/2 /2;0 0 0 3/4 1/4;1/2 0 0 0 0 0 0;1/4 3/4 0 0 0 0];mc = dtmc (P);
画一个马尔可夫链的有向图。用边缘颜色表示过渡的概率。
图;graphplot (mc,“ColorEdges”,真正的);
确定马尔可夫链的平稳分布。
xFix =1×70.1300 0.2034 0.1328 0.0325 0.1681 0.1866 0.1468
因为xFix是行向量,它是唯一的平稳分布mc.
通过生成由离散均匀绘图组成的块对角矩阵,创建经验计数的五状态过渡矩阵。
m = 100;%最大计数rng (1);%的再现性P = blkdiag(randi(100,2) + 1,randi(100,3) + 1)
P =5×543 20 0 0 74 32 0 0 0 16 36 43 0 0 11 41 70 0 0 20 55 22
创建并绘制由转移矩阵表征的马尔可夫链的有向图P.
mc = dtmc (P);图;graphplot (mc)
确定马尔可夫链的平稳分布和混合时间。
xFix =2×50.9401 0.0599 0 0 0 0 0 0.1497 0.4378 0.4125
tMix = 0.8558
行xFix对应于两个独立递归类的平稳分布mc.
创建独立的马尔可夫链,表示的循环子链mc.
mc1 =子链(mc, 1);mc2 =子链(mc, 3);
哪和mc2是dtmc对象。哪递归类包含状态吗1,mc2递归类包含状态吗3..
哪
mc2
dtmc
1
3.
比较子链的混合时间。
(x1, t1) =渐近(哪)
x1 =1×20.9401 - 0.0599
t1 = 0.7369
(x2, t2) =渐近(mc2)
x2 =1×30.1497 0.4378 0.4125
t2 = 0.8558
哪接近平稳分布的速度比mc2.
创建一个“哑铃”马尔可夫链,每个“权重”包含10个状态,“条”包含3个状态。
在每个权重内指定状态之间的随机转移概率。
如果马尔可夫链达到最接近杆的权值状态,则指定一个高概率的过渡到杆的状态。
在条形图中指定状态之间的统一转换。
rng (1);%的再现性w = 10;%哑铃DBar = [0 1 0;1 0 1;0 1 0];%哑铃杆DB = blkdiag(兰德(w), DBar,兰德(w));%转移矩阵连接哑铃和杠铃DB (w w + 1) = 1;DB (w + 1, w) = 1;DB (w w + 3, + 4) = 1;DB (w + 4, w + 3) = 1;mc = dtmc (DB);
使用热图可视化转换矩阵。
图;显示亮度图像(mc.P);colormap(飞机);轴广场;colorbar;
画一个马尔可夫链的有向图。抑制节点标签。
图;h = graphplot (mc);h.NodeLabel = {};
画哑铃链的特征值。
图;eigplot (mc);
图中薄的红色圆盘表示光谱间隙(两个最大特征值模之间的差异)。谱间隙决定了马尔可夫链的混合时间。大的间隙表示混合更快,而小的间隙表示混合较慢。在这种情况下,光谱间隙很薄,说明混合时间很长。
估计哑铃链的混合时间,判断哑铃链是否遍历。
[~, tMix] =渐近(mc)
tMix = 85.3258
tf = isergodic (mc)
tf =逻辑1
平均而言,任何初始分布和平稳分布之间的总变化距离衰减的时间为 e 1 大约85步。
离散时间马尔可夫链NumStates状态与转移矩阵P,指定为dtmc对象。P必须详细说明(否南条目)。
NumStates
P
南
平稳分布,xFix * P=xFix,作为非负数值矩阵返回NumStates列。的行数xFix独立复归类的数量在吗mc.
xFix * P
对于单链公司来说,它的分布是独一无二的xFix是一个1——- - - - - -NumStates向量。
否则,每一行xFix表示一个明显的平稳分布mc.
混合时间,作为正数值标量返回。
如果μ的第二大特征值模(SLEM)P,且不为零,则估计混合时间为 − 1 / 日志 ( μ ) .
请注意
如果P是一个非负随机矩阵,那么马尔可夫链呢mc它的特征是有一个左特征向量xFix与特征值1.Perron-Frobenius定理[2]意味着,如果mc是单链(具有一个循环通信类的链)吗xFix是独一无二的。对于具有多个递归类的可约链,特征值1有更高的多重性,并且xFixnonunique。如果链是周期性的,xFix是平稳的但不是极限的,因为任意的初始分布不收敛于它。xFix仅对遍历链是唯一的和有限的。看到分类.
分类
遍历链,tMix任何初始分布的特征时间是否收敛xFix.具体来说,它是初始分布与的总变化距离的时间xFix衰变以…的倍数衰变e=实验(1).混合时间是不同链中过渡结构相对连通性的量度。
e
实验(1)
[1]Gallager, R.G.随机过程:应用理论。英国剑桥:剑桥大学出版社,2013。
[2]霍恩和c.r.约翰逊。矩阵分析。英国剑桥:剑桥大学出版社,1985。
[3]Seneta E。非负矩阵与马尔可夫链。纽约:施普林格-弗拉格,1981年。
isreducible
isergodic
eigplot
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系