Вычислите распределенность цепи Маркова на каждом временном шаге
В этом примере показано, как вычислить и визуализировать перераспределения состояния, которые показывают эволюцию детерминированных распределений состояния в зависимости от времени от начального распределения.
Рассмотрите эту теоретическую, правильно-стохастическую матрицу перехода стохастического процесса.
Создайте Цепь Маркова, которая характеризуется матрицей P перехода.
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 ];
mc = dtmc(P);Постройте ориентированного графа Цепи Маркова и идентифицируйте классы с помощью цветов узла и маркеров.
figure;
graphplot(mc,'ColorNodes',true);
mc представляет один текущий класс периодом 3.
Предположим, что распределение начального состояния универсально. Вычислите эволюцию распределения для 20 временных шагов.
numSteps = 20; X = redistribute(mc,numSteps);
X 21 7 матрица. Строка t содержит развитую распределенность на временном шаге t.
Визуализируйте перераспределения в тепловой карте.
figure; distplot(mc,X);
Периодичность цепи очевидна.
Удалите периодичность из Цепи Маркова путем преобразования его к ленивой цепи. Постройте матрицу перехода ленивой цепи как тепловая карта.
lc = lazy(mc); figure; imagesc(lc.P); colormap('jet'); axis square; colorbar; title('Theoretical Lazy Chain Transition Matrix')
lc dtmc объект. lazy создает ленивую цепь путем добавления веса в вероятность персистентности, то есть, lazy осуществляет самоциклы.
Вычислите эволюцию распределения в ленивой цепи для 20 временных шагов. Постройте перераспределения в тепловой карте.
X1 = redistribute(lc,numSteps); figure; distplot(lc,X1);
Просмотрите эволюцию распределенности как анимированная гистограмма. Задайте частоту кадров 1 секунды.
figure; distplot(lc,X1,'Type','histogram','FrameRate',1)
Вычислите стационарное распределение ленивой цепи. Сравните его с итоговым перераспределением в анимированной гистограмме.
xFix = asymptotics(lc)
xFix = 1×7
0.1300 0.2034 0.1328 0.0325 0.1681 0.1866 0.1468
Стационарное распределение и итоговое перераспределение почти идентичны.