exponenta event banner

isergodic

Проверка цепи Маркова на эргодичность

Описание

пример

tf = isergodic(mc) прибыль true если дискретная цепочка Маркова mc эргодична и false в противном случае.

Примеры

свернуть все

Рассмотрим эту матрицу перехода с тремя состояниями.

P = [010001100].

Создайте цепочку Маркова, которая характеризуется матрицей перехода P.

P = [0 1 0; 0 0 1; 1 0 0];
mc = dtmc(P);

Определите, эргодична ли цепочка Маркова.

isergodic(mc)
ans = logical
   0

0 указывает, что цепь Маркова не эргодична.

Визуально подтвердить, что цепь Маркова не эргодична, построив свои собственные значения на комплексной плоскости.

figure;
eigplot(mc);

Figure contains an axes. The axes contains 3 objects of type line. This object represents Eigenvalues.

Все три собственных значения имеют модуль 1. Этот результат указывает на то, что период марковской цепи составляет три. Периодические цепи Маркова не эргодичны.

Входные аргументы

свернуть все

Дискретно-временная марковская цепь с NumStates состояния и матрица перехода P, указано как dtmc объект. P должен быть полностью указан (нет NaN записи).

Выходные аргументы

свернуть все

Флаг эргодичности, возвращенный как true если mc является эргодической марковской цепью и false в противном случае.

Подробнее

свернуть все

Эргодическая цепь

Цепь Маркова эргодична, если она неприводима и апериодична. Это условие эквивалентно матрице перехода, являющейся примитивной неотрицательной матрицей.

Алгоритмы

  • По теореме Виландта [3] цепочка Маркова mc эргодичен тогда и только тогда, когда все элементы Pm положительны для m = (n-1) 2 + 1. P - матрица перехода (mc.P) и n - число состояний (mc.NumStates). Для определения эргодичности, isergodic вычисляет Pm.

  • По теореме Перрона - Фробениуса [2] эргодические цепи Маркова имеют уникальные ограничивающие распределения. То есть они имеют уникальные стационарные распределения, к которым сходится каждое начальное распределение. Эргодические униханы, состоящие из одного эргодического класса плюс переходных классов, также имеют уникальные предельные распределения (с нулевой массой вероятности в переходных классах).

Ссылки

[1] Галлагер, Р. Г. Стохастические процессы: теория для применения. Кембридж, Великобритания: Cambridge University Press, 2013.

[2] Рог, R. и К. Р. Джонсон. Матричный анализ. Кембридж, Великобритания: Cambridge University Press, 1985.

[3] Виландт, Х. «Unzerlegbare, Nicht Negativen Matrizen». Mathematische Zeitschrift. Том 52, 1950, стр. 642-648.

Представлен в R2017b