توزیعهای ایستا و ارگودیسیته
توزیع ایستا یک توزیع احتمال بر روی حالتها است که یک زنجیره مارکوف آن را بدون تغییر باقی میگذارد، و تحت شرایط ملایم، زنجیره نقطه شروع خود را فراموش کرده و به این تعادل همگرا میشود، به طوری که میانگینهای زمانی با میانگینهای فضایی مطابقت دارند.
Definition
توزیع ایستا یک زنجیره مارکوف، یک توزیع احتمال بر روی حالتها است که تحت یک گام از زنجیره ناوردا میماند، و یک زنجیره ارگودیک است زمانی که از هر حالت شروعی، توزیع آن به این توزیع ایستا همگرا میشود و میانگینهای زمانی آن به امید ریاضیهای ایستا همگرا میشوند.
Scope
این موضوع شامل توزیعهای ایستا و ناوردا و وجود و یکتایی آنها برای زنجیرههای تحویلناپذیر با بازگشت مثبت، نقش ناادواری در همگرایی، تعادل جزئی و برگشتپذیری، قضیه ارگودیک زنجیره مارکوف که میانگینهای زمانی بلندمدت را با امید ریاضیهای ایستا برابر میداند، نرخ همگرایی به تعادل و زمانهای آمیختگی، و استفاده از این ایدهها در مونت کارلوی زنجیره مارکوف میشود.
Core questions
- چه زمانی یک زنجیره مارکوف دارای یک توزیع ایستای یکتا است؟
- تحت چه شرایطی توزیع زنجیره به آن توزیع ایستا همگرا میشود؟
- تعادل جزئی چیست و چگونه برگشتپذیری یافتن توزیع ایستا را ساده میکند؟
- میانگینهای زمانی بلندمدت چگونه با میانگینها تحت توزیع ایستا مرتبط هستند؟
Key concepts
- توزیع ایستا
- تحویلناپذیری و ناادواری
- تعادل جزئی
- قضیه ارگودیک
- زمان آمیختگی
Key theories
- وجود، یکتایی و همگرایی به حالت ایستا
- یک زنجیره مارکوف تحویلناپذیر با بازگشت مثبت دارای یک توزیع ایستای یکتا است که توسط معکوس زمانهای بازگشت میانگین داده میشود، و اگر ناادواری نیز داشته باشد، توزیع حالت از هر نقطه شروعی به آن همگرا میشود.
- قضیه ارگودیک زنجیره مارکوف
- برای یک زنجیره تحویلناپذیر با بازگشت مثبت، میانگین بلندمدت یک تابع از حالت تقریباً مطمئناً به امید ریاضی آن تحت توزیع ایستا همگرا میشود، که مشابه قانون اعداد بزرگ برای دادههای مارکوف وابسته است.
- تعادل جزئی و برگشتپذیری
- اگر یک توزیع تعادل جزئی را با احتمالات انتقال برآورده کند، به این معنی که جریان بین هر دو حالت در هر دو جهت متعادل باشد، آنگاه ایستا است و زنجیره برگشتپذیر است، شرایطی که برای طراحی نمونهگیرهای مونت کارلوی زنجیره مارکوف مورد بهرهبرداری قرار میگیرد.
Clinical relevance
این نتایج موتور نظری مونت کارلوی زنجیره مارکوف هستند، جایی که یک زنجیره به گونهای طراحی میشود که یک توزیع هدف را به عنوان قانون ایستای خود داشته باشد تا نمونههای آن به آن توزیع نزدیک شوند؛ کرانهای زمان آمیختگی به متخصصان میگویند که چه مدت این شبیهسازیها را اجرا کنند، و همین نظریه بر طول صفهای تعادلی و قابلیت اطمینان حالت پایدار حاکم است.
History
نظریه تعادل زنجیرههای مارکوف از کار اصلی مارکوف نشأت گرفت و توسط دوب، فلر و دیگران به شکل مدرن خود درآمد. اهمیت کاربردی آن با الگوریتم متروپلیس در سال ۱۹۵۳ و تعمیم هستینگز در سال ۱۹۷۰ افزایش یافت، که همگرایی به یک توزیع ایستا را به یک روش عملی محاسباتی تبدیل کرد.
Key figures
- Andrey Markov
- Nicholas Metropolis
- Wilfred Keith Hastings
- Sean Meyn
Related topics
Seminal works
- norris1997
Frequently asked questions
- آیا هر زنجیره مارکوف به یک توزیع ایستا همگرا میشود؟
- خیر؛ همگرایی نیازمند شرایطی مانند تحویلناپذیری، بازگشت مثبت و ناادواری است. یک زنجیره ادواری ممکن است بدون استقرار چرخه داشته باشد، و یک زنجیره گذرا یا با بازگشت صفر ممکن است اصلاً توزیع ایستا نداشته باشد.
- چرا برگشتپذیری در عمل مفید است؟
- برگشتپذیری از طریق تعادل جزئی یک معادله ساده را ارائه میدهد که یک توزیع ایستای کاندید باید آن را برآورده کند، که هم تأیید توزیع ایستا را آسان میکند و هم اصل طراحی پشت متروپلیس-هاستینگز و بسیاری دیگر از الگوریتمهای مونت کارلوی زنجیره مارکوف را فراهم میآورد.