马尔可夫链建模
离散马尔可夫链对象框架概述
的dtmc
对象框架提供了建模和分析离散马尔可夫链的基本工具。该对象支持具有有限数量金宝app状态的链,这些状态在离散时间中演化,具有时间均匀的过渡结构。
dtmc
用a标识每个马尔可夫链NumStates
——- - - - - -NumStates
转移矩阵P,与初始状态无关x0或者说初始状态分布π0.你可以指定P无论是右随机矩阵还是经验计数矩阵。
作为一个右随机矩阵:
Pij从状态转变的非负概率是多少我州j.
每一行P和等于1。
描述状态分布随时间的演变t时间t+ 1。
时刻的状态分布t,πt行向量是长度吗
NumStates
.作为经验计数的矩阵,Pij观察到的次数是状态吗我转换到状态j.的
dtmc
对象的行规范化P所以它是一个右随机矩阵。
的mcmix
函数是备选马尔可夫链对象创建者;它生成一个具有指定的零模式和随机转换概率的链。mcmix
非常适合创建链与不同的混合时间的测试目的。
要可视化与链关联的有向图或有向图,请使用graphplot
对象的功能。graphplot
类似于情节
一个MATLAB的对象函数®有向图
对象,但它包括分析马尔可夫链结构的额外功能。参数设置突出显示通信类(即,强连通有向图的分量)和影响收敛的特定特征,如递归性、瞬态性和周期性。您可以突出显示转换概率P通过使用热图强度着色图形边缘。
为了将链中的大规模结构可视化,graphplot
可以将通信类压缩为代表节点。该选项基于冷凝
的对象函数有向图
对象。
的分类
对象函数是图形中类高亮显示的数值模拟。分类
返回决定限制行为的通信类的特征。状态分类结合了图论算法,例如bfsearch
(宽度优先搜索)对象函数的MATLAB图
对象,但更直接的矩阵计算,具体到马尔可夫链理论。的子链
方法允许您从链中提取特定的通信类以进行进一步分析。
的isreducible
而且isergodic
对象函数给出链结构的简明摘要。它们共同为唯一极限分布的存在提供了必要和充分条件
,在那里
而且
对于每个初始分布π0.的渐近
对象函数计算
,如果存在,利用特征值分析估计混合时间。的eigplot
对象函数绘制的特征值P.所返回的特征值图的示例eigplot
.
收敛的一个障碍是周期性。的懒惰的
对象函数通过调整状态惯性来消除周期性(即通过对的对角线元素进行加权)P)在链中产生指定数量的“惰性”。限制分布不受这些转换的影响。
的模拟
而且重新分配
当流程从指定的初始状态或分布演变时,对象函数提供了流程的实现。的simplot
而且distplot
对象函数提供各种可视化。该图是一个分布图的例子,显示了从均匀初始状态分布开始的状态分布的演化。
马尔可夫链分析工作流
你可以用两种方式开始构建一个马尔可夫链模型对象:
对于一个计量经济学模型的建立者来说,选择的最重要的结果是P是链的渐近行为。为了理解这种行为,识别并分离瞬态状态(返回时间概率渐近趋近于0的状态)和循环状态(返回时间概率渐近趋近于1的状态)。短暂性和递归性是通信类中所有状态共享的属性。属性的马尔可夫链对象可以直观地确定状态是瞬时的还是循环的graphplot
对象函数,并指定“ColorNodes”,真的
.的输出分类
对象函数为评价提供了数值工具。该图是一个带有分类节点的有向图示例。
有向图的压缩视图通过将每个通信类合并为一个“超级节点”简化了这种计算。在压缩图中,可以通过超节点的出度很容易地识别瞬态和递归(出度大于0表示瞬态)。不可约链由一个单一的,必须循环的,通信类组成。Unichains由单个循环类和任意数量的卫星瞬态类组成。单链保持不可约链的理想极限行为。考虑压缩图通常是修剪不相关的瞬态链的前导。的子链
函数修剪瞬态类链。该图是前一个图中有向图的压缩视图。
统一极限行为的两个主要障碍是:
还原性,表示存在多个通信类
周期性例如,在单个类中的子类之间循环的趋势
的组合graphplot
而且分类
对象函数可以识别这些问题。如果一个链是可约的而不是单链的,那么通常会在独立的循环类之间拆分分析,或者完全重新制定链。如果一个链是周期性的(也就是说,它包含一个周期性的循环类),但是整体结构捕获了应用程序的基本细节,则懒惰的
对象函数提供了一种补救方法。的对角线元素产生扰动P消除周期性,不影响渐近性。
的isreducible
而且isergodic
对象函数总结状态分类。每条链都有一个平稳分布
,在那里
的结果P是随机的,特征值为1。如果链是不可约的,则平稳分布是唯一的。然而,不可约性虽然是充分的,但并不是唯一性的必要条件。单链还导致在瞬态状态下具有零概率质量的唯一平稳分布。在这方面,状态分类分析是必不可少的,因为isreducible
返回真正的
只有当链作为一个整体由单个通信类组成时。isreducible
返回假
对于任意的单链,在这种情况下,您必须确定瞬态类是否是模型的相关部分。
遍历性,或原始性质,是不可约性和非周期性的结合。遍历链具有唯一的极限分布,即:π0收敛于
对于每个初始分布π0.您可以通过使用来确定整个链是否是遍历的isergodic
.该函数通过计算唯一的循环类来识别遍历单链。如果一个链不可约且不是遍历的,那么它就是周期性的~ tfirreduc
+~ tfergo
=假
,在那里tfirreduc
而且tfergo
由isreducible
而且isergodic
,分别。
一旦你确认了一个链是遍历的,你就可以通过使用渐近
对象的功能。渐近
返回极限分布
以及混合时间的估计,这是瞬态行为衰减的时间常数。不可约非负矩阵的Perron-Frobenius定理(见[1])对解释这些结果很有用。任何随机矩阵的谱半径都是1。周期矩阵k,有k特征值均匀地分布在单位圆上k团结的根源。单位圆内最大特征值的大小决定了瞬态的衰减速率。的eigplot
对象函数提供此信息的快速可视化。这个图是一个周期为3的马尔可夫链的特征值图。
不管链的渐近性质如何,你可以应用有限步分析来研究它的混合速率。的hitprob
而且hittime
函数返回目标状态子集的命中概率和期望首次命中时间,从链中的每个状态开始。这两个函数都可以选择用节点颜色绘制有向图,以指定命中概率或次数。该图显示了一个有向图示例,其中节点颜色指定了预期的首次命中时间。有向图还指示开始状态对目标是否遥远。
模拟和再分配允许您在链上生成难以直接从理论推导的统计信息。的模拟
而且simplot
对象函数,以及重新分配
而且distplot
对象函数,为此类分析提供计算和图形化工具。模拟
例如,在链中生成独立的随机游走。与模拟
在计量经济学工具箱™其他地方的对象函数,相关统计的集合平均在预测中发挥重要作用。相应的simplot
对象函数提供了几种可视化方法。该图显示了在前一个图中的周期马尔可夫链中,经过100次长度为10步的随机行走后所访问的状态的比例。
参考文献
[1]霍恩,R·R·约翰逊。矩阵分析。英国剑桥:剑桥大学出版社,1985年。