От введения к стохастическому моделированию Пински и Карлин (2011):
π = ( 1
P=∥∥∥0110∥∥∥
(1π=(12,12)( 12, 12) ∥∥∥0110∥∥∥= ( 12, 12)
В предыдущем разделе, они уже определили « предельное распределение вероятностей » поπ
Итn → ∞п( н )я ж= πJ еo r j=0,1,…,N
и эквивалентно
Итn → ∞Pr{ XN= j | Икс0= я } = яJ> 0 ф o r j=0,1,…,N
(p. 165).
Приведенный выше пример колеблется детерминистически и поэтому не может иметь ограничение так же, как последовательность не имеет ограничения.{ 1 , 0 , 1 , 0 , 1 , … }
Они утверждают, что регулярная цепь Маркова (в которой все вероятности n-шагового перехода положительны) всегда имеют предельное распределение, и доказывают, что это должно быть единственным неотрицательным решением
πJзнак равно ∑к = 0NπКпк J, j = 0 , 1 , … , N ,Σк = 0NπК= 1
(стр. 168 )
Затем на той же странице, что и в примере, они пишут
Любое множество удовлетворяющее (4.27), называется стационарным распределением вероятностей цепи Маркова. Термин «стационарный» происходит от того свойства, что цепь Маркова, начатая в соответствии со стационарным распределением, будет следовать этому распределению во все моменты времени. Формально, если , то для всех . Pr { X 0 = i } = π i Pr { X n = i } =( πя)∞я = 0Pr{ X0= я } = яя n = 1 , 2 , …Pr{ XN= я } = яяn = 1 , 2 , …
где (4.27) - система уравнений
πя≥ 0 , ∑я = 0∞πя= 1 , a n d π J= ∑я = 0∞πяпя ж,
что является точно таким же условием стационарности, как и выше, за исключением теперь с бесконечным числом состояний.
С этим определением стационарности утверждение на стр. 168 можно задним числом переформулировать как:
- Предельное распределение регулярной цепи Маркова является стационарным распределением.
- Если предельное распределение цепи Маркова является стационарным, то стационарное распределение является единственным.