เครื่องคำนวณการแจกแจงนิ่งโซ่มาร์คอฟ

ยินดีต้อนรับสู่ เครื่องคำนวณการแจกแจงนิ่งโซ่มาร์คอฟ เครื่องมือทางคณิตศาสตร์ที่ทรงพลังสำหรับการคำนวณการแจกแจงคงที่ในระยะยาวของโซ่มาร์คอฟแบบจำกัดใดๆ เพียงป้อนเมทริกซ์การเปลี่ยนสถานะของคุณ แล้วดูความน่าจะเป็นในสภาวะนิ่ง ไดอะแกรมการเปลี่ยนสถานะแบบโต้ตอบ การแสดงภาพการลู่เข้า และวิธีแก้ปัญหาโดยละเอียดทีละขั้นตอนได้ทันที เหมาะสำหรับนักเรียน นักวิจัย และมืออาชีพที่ทำงานเกี่ยวกับกระบวนการสุ่ม (Stochastic processes)

การแจกแจงนิ่งคืออะไร?

การแจกแจงนิ่ง (หรือเรียกว่า การแจกแจงคงที่) ของโซ่มาร์คอฟคือเวกเตอร์ความน่าจะเป็น \(\pi\) ที่ทำให้:

ซึ่งหมายความว่าหากระบบเริ่มต้นในการแจกแจง \(\pi\) ระบบจะยังคงอยู่ในการแจกแจง \(\pi\) หลังจากมีการเปลี่ยนสถานะจำนวนเท่าใดก็ตาม ในเชิงสัญชาตญาณ \(\pi_i\) แสดงถึงสัดส่วนของเวลาในระยะยาวที่ระบบใช้ในสถานะ \(i\)

แนวคิดหลัก

วิธีคำนวณหาการแจกแจงนิ่ง

เวกเตอร์สถานะนิ่ง \(\pi\) สามารถหาได้โดยการแก้ระบบสมการเชิงเส้นที่ได้จาก \(\pi P = \pi\):

1. เขียนสมการใหม่: \(\pi P = \pi\) กลายเป็น \(\pi(P - I) = 0\) หรือเทียบเท่ากับ \((P^T - I)\pi^T = 0\)
2. เพิ่มการปรับมาตรฐาน (Normalization): แทนที่สมการที่ซ้ำซ้อนหนึ่งสมการด้วย \(\pi_1 + \pi_2 + \cdots + \pi_n = 1\)
3. แก้ระบบสมการ: ใช้การกำจัดแบบเกาส์ (Gaussian elimination) หรือวิธีเมทริกซ์เพื่อหาค่า \(\pi\)

สำหรับโซ่แบบ ergodic การคูณซ้ำๆ จะลู่เข้าสู่การแจกแจงนิ่งหนึ่งเดียวเสมอ ไม่ว่าจะเริ่มจากการแจกแจงแบบใด

วิธีใช้งานเครื่องคำนวณนี้

1. ป้อนเมทริกซ์การเปลี่ยนสถานะ: ใส่เมทริกซ์ของคุณโดยให้แต่ละแถวอยู่บรรทัดใหม่ ค่าต่างๆ แยกด้วยจุลภาคหรือเว้นวรรค แต่ละแถวต้องรวมกันได้ 1
2. เพิ่มชื่อเรียกสถานะ (ทางเลือก): ระบุชื่อที่อธิบายสถานะของคุณ (เช่น แดดจัด, ฝนตก) แยกด้วยจุลภาค
3. ตั้งค่าความแม่นยำทศนิยม: เลือกจำนวนตำแหน่งทศนิยม (2-15) สำหรับผลลัพธ์
4. คำนวณ: คลิก "คำนวณการแจกแจงนิ่ง" เพื่อดูการวิเคราะห์ฉบับเต็ม รวมถึงการแจกแจงคงที่ แผนภูมิการลู่เข้า ไดอะแกรมสถานะ และวิธีแก้ปัญหาทีละขั้นตอน

ทำความเข้าใจผลลัพธ์ของคุณ

เวกเตอร์สถานะนิ่ง (Steady-State Vector)

ผลลัพธ์หลักคือเวกเตอร์ \(\pi = (\pi_1, \pi_2, \ldots, \pi_n)\) โดยที่แต่ละ \(\pi_i\) แทนความน่าจะเป็นในระยะยาวของการอยู่ในสถานะ \(i\) สถานะที่มีความน่าจะเป็นสูงสุดคือ สถานะเด่น (Dominant state)

แผนภูมิการลู่เข้า (Convergence Chart)

แสดงให้เห็นว่าการแจกแจงความน่าจะเป็นวิวัฒนาการอย่างไรจากการเริ่มต้นแบบสม่ำเสมอ ผ่านการคูณด้วย P อย่างต่อเนื่อง การลู่เข้าที่เร็วแสดงถึงโซ่ที่มีการผสมผสาน (Mixing) อย่างรวดเร็ว

ไดอะแกรมการเปลี่ยนสถานะ (State Transition Diagram)

การแสดงภาพแบบโต้ตอบซึ่ง:

• ขนาดของโหนดสะท้อนถึงความน่าจะเป็นในสภาวะนิ่ง
• ความหนาของเส้นแทนความน่าจะเป็นในการเปลี่ยนสถานะ
• ลูกศรโค้งแสดงทิศทางการเปลี่ยนสถานะ
• เส้นวนซ้ำ (Self-loops) ระบุความน่าจะเป็นในการคงอยู่ในสถานะเดิม

การประยุกต์ใช้งานในโลกแห่งความเป็นจริง

โซ่จะมีผลเฉลยการแจกแจงนิ่งหนึ่งเดียวเมื่อใด?

โซ่มาร์คอฟที่มีสถานะจำกัดจะมีการแจกแจงนิ่งเพียงหนึ่งเดียวเมื่อลดรูปไม่ได้ และถ้าไม่มีคาบด้วย ทุกการแจกแจงเริ่มต้นจะลู่เข้าสู่การแจกแจงนั้น โซ่ที่มีทั้งสองคุณสมบัติเรียกว่าแบบ ergodic:

• ลดรูปไม่ได้ (Irreducible): ทุกสถานะสามารถเข้าถึงได้จากสถานะอื่นๆ ทั้งหมด (ไม่มีส่วนประกอบที่ตัดขาดกัน)
• ไม่มีคาบ (Aperiodic): ห.ร.ม. ของความยาวรอบทั้งหมดผ่านสถานะใดๆ คือ 1 (ไม่มีการหมุนเวียนแบบคงที่)

โซ่ที่มีคาบแต่ลดรูปไม่ได้ยังคงมีสภาวะนิ่งเพียงหนึ่งเดียว เพียงแต่ Pᵏ จะแกว่งไปมาแทนที่จะลู่เข้า ส่วนโซ่ที่ลดรูปได้จะมีสภาวะนิ่งหนึ่งเดียวก็ต่อเมื่อมีคลาสปิดเพียงคลาสเดียว (และอาจมีสถานะชั่วคราว) หากมีคลาสปิดตั้งแต่สองคลาสขึ้นไป จะมีการแจกแจงนิ่งได้ไม่จำกัด

คำถามที่พบบ่อย

การแจกแจงนิ่งของโซ่มาร์คอฟคืออะไร?

การแจกแจงนิ่ง (หรือคงที่) คือเวกเตอร์ความน่าจะเป็น π ซึ่ง πP = π โดยที่ P คือเมทริกซ์การเปลี่ยนสถานะ มันแสดงถึงสัดส่วนของเวลาในระยะยาวที่ระบบใช้ในแต่ละสถานะ โดยไม่คำนึงถึงสถานะเริ่มต้น สำหรับโซ่มาร์คอฟที่ลดรูปไม่ได้และไม่มีคาบ การแจกแจงนิ่งจะมีเพียงหนึ่งเดียว

จะคำนวณความน่าจะเป็นในสภาวะนิ่งได้อย่างไร?

ในการหาเวกเตอร์สถานะนิ่ง π ให้แก้ระบบสมการ πP = π ภายใต้เงื่อนไขว่าความน่าจะเป็นทั้งหมดรวมกันได้ 1 (Σπᵢ = 1) ซึ่งเทียบเท่ากับการแก้ (Pᵀ - I)π = 0 พร้อมเงื่อนไขการปรับมาตรฐาน คุณยังสามารถใช้วิธีการทำซ้ำกำลัง: โดยการคูณการแจกแจงเริ่มต้นด้วย P ซ้ำๆ จนกว่าจะลู่เข้า

โซ่มาร์คอฟจะมีผลเฉลยการแจกแจงนิ่งเพียงหนึ่งเดียวเมื่อใด?

โซ่มาร์คอฟที่มีจำนวนสถานะจำกัดจะมีการแจกแจงนิ่งเพียงหนึ่งเดียวเมื่อมีคลาสสื่อสารแบบปิดเพียงคลาสเดียว โดยเฉพาะอย่างยิ่งเมื่อโซ่ลดรูปไม่ได้ (ทุกสถานะเข้าถึงกันได้) คุณสมบัติไม่มีคาบไม่จำเป็นต่อความเป็นหนึ่งเดียว เช่น โซ่แบบมีคาบ [[0, 1], [1, 0]] ก็มีการแจกแจงนิ่งหนึ่งเดียวคือ (½, ½) สิ่งที่คุณสมบัติไม่มีคาบเพิ่มเข้ามาคือการลู่เข้า โซ่ที่ลดรูปไม่ได้และไม่มีคาบ (ergodic) จะเข้าใกล้การแจกแจงนั้นไม่ว่าจะเริ่มจากจุดใด

เวลาเฉลี่ยในการกลับคืนในโซ่มาร์คอฟคืออะไร?

เวลาเฉลี่ยในการกลับคืนสำหรับสถานะ i คือจำนวนขั้นตอนที่คาดหวังในการกลับเข้าสู่สถานะ i โดยเริ่มจากสถานะ i สำหรับโซ่มาร์คอฟแบบ ergodic เวลาเฉลี่ยในการกลับคืนจะเท่ากับ 1/πᵢ โดยที่ πᵢ คือความน่าจะเป็นในสภาวะนิ่งของสถานะ i สถานะที่มีความน่าจะเป็นในสภาวะนิ่งสูงจะมีเวลาเฉลี่ยในการกลับคืนสั้นกว่า

เมทริกซ์การเปลี่ยนสถานะและเวกเตอร์สถานะนิ่งแตกต่างกันอย่างไร?

เมทริกซ์การเปลี่ยนสถานะ P คือเมทริกซ์ขนาด n×n โดยที่ P(i,j) คือความน่าจะเป็นของการย้ายจากสถานะ i ไปยังสถานะ j ในหนึ่งขั้นตอน แต่ละแถวรวมกันได้ 1 ส่วนเวกเตอร์สถานะนิ่ง π คือเวกเตอร์ความน่าจะเป็นขนาด 1×n ที่แสดงถึงการแจกแจงในระยะยาวข้ามสถานะต่างๆ ในขณะที่ P อธิบายพลวัตขั้นเดียว π จะอธิบายพฤติกรรมในสภาวะสมดุล

แหล่งข้อมูลเพิ่มเติม

• โซ่มาร์คอฟ - Wikipedia
• เมทริกซ์สตอแคสติก - Wikipedia