isergodic

Проверяйте марковскую цепь на эргодичность

Синтаксис

Описание

пример

tf = isergodic(mc) возвращает true если дискретная цепь Маркова mc является эргодическим и false в противном случае.

Примеры

свернуть все

Рассмотрим эту матрицу перехода с тремя состояниями.

P=[010001100].

Создайте марковскую цепь, которая характеризуется переходной матрицей P.

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

Определите, является ли марковская цепь эргодичной.

isergodic(mc)
ans = logical
   0

0 указывает, что марковская цепь не эргодична.

Визуально подтвердите, 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.

Всё три собственных значений имеют один модуль. Этот результат указывает, что период марковской цепи составляет три. Периодические марковские цепи не эргодичны.

Входные параметры

свернуть все

Дискретная цепь Маркова с NumStates состояния и матрица переходов P, заданный как dtmc объект. P должен быть полностью задан (нет NaN записи).

Выходные аргументы

свернуть все

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

Подробнее о

свернуть все

Эргодическая цепь

Марковская цепь ergodic, если она и неприводима, и апериодична. Это условие эквивалентно матрице переходов, являющейся примитивной неотрицательной матрицей.

Алгоритмы

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

  • По теореме Перрона-Фробениуса [2] эргодические марковские цепи имеют уникальные лимитирующие распределения. То есть они имеют уникальные стационарные распределения, с которыми сходится каждое начальное распределение. Эргодические унихаины, которые состоят из одного эргодического класса плюс переходных классов, также имеют уникальные лимитирующие распределения (с нулевой массой вероятностей в переходных классах).

Ссылки

[1] Gallager, R.G. Stochastic Processes: Theory for Applications. Кембридж, Великобритания: Cambridge University Press, 2013.

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

[3] Wielandt, H. «Unzerlegbare, Nicht Negativen Matrizen». Mathematische Zeitschrift. Том 52, 1950, с. 642-648.

Введенный в R2017b