마르코프 체인 정상 상태 계산기

유한 마르코프 체인의 장기적 정지 분포를 계산하기 위한 강력한 수학적 도구인 마르코프 체인 정상 상태 계산기에 오신 것을 환영합니다. 전이 행렬을 입력하면 정상 상태 확률, 대화형 상태 전이 다이어그램, 수렴 시각화 및 자세한 단계별 솔루션을 즉시 확인할 수 있습니다. 확률 과정(stochastic processes)을 연구하는 학생, 연구원 및 전문가에게 이상적입니다.

한눈에 보기

마르코프 체인 정상 상태 계산기는 전이 행렬에서 마르코프 체인의 정상 분포를 구합니다. 상태도, 수렴 차트, 단계별 풀이, 평균 복귀 시간도 보여 줍니다.

마르코프 체인 정상 상태 계산기: 주요 기능 한눈에 보기

기능	제공 내용	추천 대상
전이 행렬 입력	최대 20개 상태를 쉼표나 공백으로 구분해 행마다 입력합니다. 각 행의 합은 1이어야 합니다. 상태 이름은 선택 사항입니다.	이름 붙은 상태를 쓰는 날씨, 대기열, 브랜드 전환 모델
정상 상태 벡터	확률 합이 1인 조건에서 πP = π를 풀고 결과를 소수점 2~15자리로 표시합니다.	각 상태의 장기 확률을 구할 때
단계별 풀이	행렬 방정식 유도를 보여 준 뒤 거듭제곱 반복의 각 단계별 분포를 표시합니다.	숙제를 확인하고 계산법을 배울 때
수렴 차트	균등한 초기 분포에서 P를 반복 곱할 때 분포가 어떻게 바뀌는지 그래프로 나타냅니다.	체인이 얼마나 빨리 수렴하는지 볼 때
상태도	노드 크기는 정상 상태 확률, 모서리 두께는 전이 확률을 나타내는 애니메이션 상태도입니다.	수업이나 보고서에서 체인을 시각적으로 설명할 때
체인 속성	체인이 기약인지 보고하고 상태별 평균 복귀 시간을 제공합니다.	유일한 정상 상태가 존재하는지 판단할 때

정상 상태 분포란 무엇입니까?

마르코프 체인의 정상 상태 분포(또는 정지 분포)는 다음을 만족하는 확률 벡터 \(\pi\)입니다.

이는 시스템이 분포 \(\pi\)에서 시작하면 몇 번의 전이가 일어나더라도 \(\pi\) 상태를 유지함을 의미합니다. 직관적으로 \(\pi_i\)는 장기적으로 시스템이 상태 \(i\)에 머무르는 시간의 비율을 나타냅니다.

주요 개념

정상 상태를 구하는 방법

정상 상태 벡터 \(\pi\)는 \(\pi P = \pi\)에서 유도된 선형 연립방정식을 풀어 찾을 수 있습니다.

1. 방정식 재작성: \(\pi P = \pi\)는 \(\pi(P - I) = 0\)이 되며, 이는 \((P^T - I)\pi^T = 0\)과 동일합니다.
2. 정규화 추가: 중복된 방정식 하나를 \(\pi_1 + \pi_2 + \cdots + \pi_n = 1\)로 대체합니다.
3. 시스템 풀기: 가우스 소거법이나 행렬법을 사용하여 \(\pi\)를 찾습니다.

에르고딕 체인의 경우, 시작 분포와 관계없이 반복적인 곱셈을 통해 유일한 정상 상태로 수렴합니다.

이 계산기 사용 방법

1. 전이 행렬 입력: 행렬의 각 행을 새 줄에 입력합니다. 값은 쉼표나 공백으로 구분할 수 있습니다. 각 행의 합은 1이어야 합니다.
2. 상태 레이블 추가 (선택 사항): 상태에 대한 설명 이름(예: 맑음, 비)을 쉼표로 구분하여 입력합니다.
3. 소수점 정밀도 설정: 결과에 대한 소수점 자릿수(2-15)를 선택합니다.
4. 계산: "정상 상태 계산"을 클릭하여 정지 분포, 수렴 차트, 상태 다이어그램 및 단계별 솔루션을 포함한 전체 분석을 확인합니다.

결과 해석하기

정상 상태 벡터

주요 출력은 벡터 \(\pi = (\pi_1, \pi_2, \ldots, \pi_n)\)이며, 여기서 각 \(\pi_i\)는 상태 \(i\)에 있을 장기적인 확률을 나타냅니다. 확률이 가장 높은 상태가 지배적 상태(dominant state)입니다.

수렴 차트

P의 연속적인 곱셈을 통해 확률 분포가 균등 시작점에서 어떻게 진화하는지 보여줍니다. 수렴이 빠를수록 체인의 혼합(mixing)이 더 강력함을 나타냅니다.

상태 전이 다이어그램

다음을 포함하는 대화형 시각적 표현입니다.

• 노드 크기는 정상 상태 확률을 반영
• 선 두께는 전이 확률을 나타냄
• 곡선 화살표는 전이 방향을 표시
• 자기 루프(Self-loops)는 동일 상태에 머물 확률을 표시

실제 활용 사례

유일한 정상 상태는 언제 존재하나요?

유한 마르코프 체인은 기약적이면 유일한 정상 상태 분포를 가지며, 비주기적이기도 하면 어떤 시작 분포에서든 그 분포로 수렴합니다. 두 성질을 모두 갖춘 체인을 에르고딕(ergodic) 체인이라고 합니다.

• 기약성 (Irreducible): 모든 상태에서 다른 모든 상태로 도달 가능 (분리된 구성 요소 없음)
• 비주기성 (Aperiodic): 모든 상태를 통하는 모든 사이클 길이의 최대공약수가 1 (고정된 주기성 없음)

주기적이지만 기약적인 체인도 정상 상태를 정확히 하나 가지며, 다만 Pᵏ가 수렴하지 않고 진동할 뿐입니다. 가약적인 체인은 닫힌 클래스가 하나뿐일 때(나머지는 일시적 상태)만 정상 상태가 유일하고, 닫힌 클래스가 둘 이상이면 정지 분포가 무수히 많습니다.

자주 묻는 질문

마르코프 체인의 정상 상태 분포란 무엇입니까?

정상 상태(또는 정지) 분포는 πP = π를 만족하는 확률 벡터 π입니다. 여기서 P는 전이 행렬입니다. 이는 초기 상태와 관계없이 시스템이 각 상태에서 머무는 장기적인 시간 비율을 나타냅니다. 기약적이고 비주기적인 마르코프 체인의 경우 정상 상태 분포는 유일합니다.

정상 상태 확률은 어떻게 계산하나요?

정상 상태 벡터 π를 찾으려면 모든 확률의 합이 1(Σπᵢ = 1)이라는 제약 조건 하에 연립방정식 πP = π를 풉니다. 이는 (Pᵀ - I)π = 0을 푸는 것과 같습니다. 거듭제곱 반복법을 사용하여 수렴할 때까지 초기 분포에 P를 반복적으로 곱할 수도 있습니다.

마르코프 체인이 유일한 정상 상태 분포를 갖는 경우는 언제인가요?

유한 마르코프 체인은 닫힌 통신 클래스가 정확히 하나일 때 유일한 정상 상태 분포를 가지며, 특히 기약적(모든 상태에서 다른 모든 상태로 도달 가능)이면 항상 유일합니다. 유일성에 비주기성은 필요하지 않습니다. 주기적인 체인 [[0, 1], [1, 0]]도 유일한 정상 상태 (½, ½)를 갖습니다. 비주기성이 보장하는 것은 수렴으로, 기약적이고 비주기적인(에르고딕) 체인은 어떤 시작점에서든 그 분포에 가까워집니다.

마르코프 체인에서 평균 재귀 시간은 무엇입니까?

상태 i의 평균 재귀 시간은 상태 i에서 시작하여 다시 상태 i로 돌아오는 예상 단계 수입니다. 에르고딕 체인의 경우 이 값은 1/πᵢ와 같습니다. 확률이 높을수록 재귀 시간은 짧아집니다.

전이 행렬과 정상 상태 벡터의 차이점은 무엇인가요?

전이 행렬 P는 한 단계에서의 전이 확률을 정의하는 n×n 행렬이고, 정상 상태 벡터 π는 장기적인 확률 분포를 정의하는 1×n 벡터입니다. P는 동적인 움직임을, π는 균형 잡힌 평형 상태를 나타냅니다.