Chains with Infinite States
约 288 个字 1 张图片 预计阅读时间 1 分钟
当 Markov Chain 有无限个状态时,stationary distribution 就不一定存在了,例如在分布 \(\pi\) 中,满足 \(\pi(i+1) = \frac{p}{1-p}\pi(i), i=0,1,\ldots\),则当 \(p \ge 1/2\) 时,该分布就没有 stationary distribution。
Recurrence(常返)¶
对于一个 Markov chain \(X_0, X_1, \ldots\),定义:
- \(T_i = \min\{ t > 0 \mid X_t = i \}\): 第一次到达状态 \(i\) 的时间
- \(N_i = \sum_{t=1}^\infty1[X_t = i]\): 到达状态 \(i\) 的总次数
- \(P_i[\cdot] = \mathrm{Pr}[\cdot | X_0=i]\)
- \(E_i[\cdot] = \mathrm{E}[\cdot | X_0=i]\)
- Recurrent: 一个状态 \(i\) 如果满足 \(P_i[T_i < \infty] = 1\),那么就称为 recurrent 的,否则称为 transient 的。即从该状态出发还能回到该状态。
命题 1¶
如果状态 \(i\) 是常返的,并且 \(i \rightarrow j\) 有一条有限长的路径,那么:
- \(P_i[T_j < \infty] = 1\)
- \(P_j[T_i < \infty] = 1\)
- \(j\) 也是常返的
由该命题可知,常返性是一种类层面上的性质:一个状态为常返的,则其有限步内能达到的状态均为常返的。
命题 2¶
以下三个条件等价于 \(i\) 是常返的:
- \(P_i[T_i < \infty] = 1\)
- \(P_i[N_i = \infty] = 1\)
- \(E_i[N_i] = \infty\)