主要内容

子链

提取马尔可夫子链

描述

例子

sc=子链(mc返回子链sc从离散马尔可夫链中提取mc.子链包含状态以及所有可到达的状态

例子

全部折叠

考虑这个理论的,一个随机过程的右随机转移矩阵。

P 0 1 0 0 0 5 0 0 5 0 0 0 0 5 0 5 0 0 0 5 0 5

建立以转移矩阵为特征的马尔可夫链P

P = [0 1 0 0;0.5 0 0.5 0;0 0 0.5 0.5;0 0 0.5 0.5];mc = dtmc (P);

画一个马尔可夫链的有向图。通过使用节点颜色直观地识别每个状态所属的通信类。

图;graphplot (mc,“ColorNodes”,真正的);

图中包含一个轴对象。axis对象包含三个类型为graphplot, line的对象。这些对象表示短暂的,非周期的。

确定马尔可夫链的平稳分布。

x =渐近(mc)
x =1×40.000 0.5000 0.5000

马尔可夫链最终被状态所吸收3.4,随后的转变是随机的。

通过传递提取马尔可夫链的递归子链mc子链并在周期性、非周期性通信类中指定一种状态。

sc =子链(mc, 3);

sc是一个dtmc对象。

绘制子链的有向图。

图;graphplot (sc,“ColorNodes”,真正的)

图中包含一个轴对象。axis对象包含两个类型为graphplot, line的对象。这个对象表示非周期性。

考虑这个理论的,一个随机过程的右随机转移矩阵。

P 0 5 0 5 0 0 0 0 5 0 5 0 0 0 0 5 0 5 0 0 0 5 0 5

建立以转移矩阵为特征的马尔可夫链P.列出政体1到政体4的州。

P = [0.5 0.5 0 0 0;0 0.5 0.5 0;0 0 0.5 0.5;0 0 0.5 0.5];mc = dtmc (P,“StateNames”, (“政权1”“政权2”“政权3”“政权4”]);

画出链条的有向图。通过使用节点颜色直观地识别每个状态所属的通信类。

图;graphplot (mc,“ColorNodes”,真正的);

图中包含一个轴对象。axis对象包含4个类型为graphplot, line的对象。这些对象表示短暂的,非周期的。

政体1和政体2属于它们自己的交流类,因为政体2并没有过渡到政体1。

提取包含状态2(暂态)的子链。显示子链的转移矩阵。

sc =子链(mc,“政权2”);sc.P
ans =3×30.5000 0.5000 00 0.5000 0.5000 0 0.5000 0.5000

状态1不在子链中。

画出子链的有向图。

图;graphplot (sc,“ColorNodes”,真正的);

图中包含一个轴对象。axis对象包含三个类型为graphplot, line的对象。这些对象表示短暂的,非周期的。

图中显示了一个单链:一个马尔可夫链,包含一个循环通信类和所选的瞬态类。

输入参数

全部折叠

离散时间马尔可夫链NumStates状态与转移矩阵P,指定为dtmc对象。P必须详细说明(否条目)。

要包含在子链中的状态,指定为正整数的数字向量、字符串向量或字符向量的单元向量。

  • 对于数字向量,表示对应于转移矩阵的行mc.P

  • 对于字符向量的字符串向量或单元向量,的元素必须是州名在mc.StateNames

例子:["制度1" "制度2"]

数据类型:|字符串|细胞

输出参数

全部折叠

离散时间马尔可夫链,返回为dtmc对象。sc的子链是mc包含美国以及所有可到达的状态.子链的状态名sc.StateNames是继承自mc

算法

  • 状态j可获得的从国家如果有一个非零的概率j在有限的步骤中。子链通过形成相关有向图的传递闭包来确定可达性,然后枚举一步转换。

  • 子链在可达性下是封闭的,以保证的转移矩阵sc保持随机(即行和为1),其转移概率与中的转移概率相同mc.P

  • 如果您在循环通信类中指定一个状态,那么子链摘录了整个交流类。如果在瞬态通信类中指定一个状态,则子链从瞬态类中提取瞬态类和所有可访问的类。要提取单链,请在每个组件瞬态类中指定一个状态。看到分类

参考文献

[1]Gallager, R.G.随机过程:应用理论。英国剑桥:剑桥大学出版社,2013。

[2]霍恩和c.r.约翰逊。矩阵分析。英国剑桥:剑桥大学出版社,1985。

介绍了R2017b