马尔可夫链稳态分布计算器

欢迎使用马尔可夫链稳态分布计算器，这是一个功能强大的数学工具，用于计算任何有限马尔可夫链的长期平稳分布。输入您的转移矩阵，即可立即查看稳态概率、交互式状态转移图、收敛可视化以及详细的逐步解决方案。非常适合研究随机过程的学生、研究人员和专业人士。

功能概览

马尔可夫链稳态分布计算器根据转移矩阵求出马尔可夫链的平稳分布。它还显示状态图、收敛图、逐步计算过程以及平均返回时间。

马尔可夫链稳态分布计算器：功能一览

功能	具体内容	适用场景
转移矩阵输入	最多输入 20 个状态，每行一行，数值以逗号或空格分隔。每行之和必须为 1。状态名称可选。	带有命名状态的天气、排队和品牌转换模型
稳态向量	求解 πP = π 且概率之和为 1，结果以 2 至 15 位小数显示。	求出各状态的长期概率
逐步求解	展示矩阵方程的推导过程，然后显示每一步幂迭代后的分布。	检查作业并学习方法
收敛图	绘制分布从均匀起点出发、经 P 反复相乘后的变化。	观察链收敛的速度
状态图	动画图中，节点大小反映稳态概率，边的粗细反映转移概率。	在课堂或报告中直观展示马尔可夫链
链的性质	报告该链是否不可约，并给出每个状态的平均返回时间。	判断是否存在唯一的稳态

什么是稳态分布？

马尔可夫链的稳态分布（也称为平稳分布）是一个概率向量 \(\pi\)，满足：

这意味着如果系统以分布 \(\pi\) 开始，在经过任意次数的转移后仍保持在 \(\pi\)。直观地说，\(\pi_i\) 代表了系统在状态 \(i\) 中花费时间的长期比例。

核心概念

如何求解稳态

稳态向量 \(\pi\) 可以通过求解从 \(\pi P = \pi\) 推导出的线性方程组来找到：

1. 重写方程： \(\pi P = \pi\) 变为 \(\pi(P - I) = 0\)，或者等效地写为 \((P^T - I)\pi^T = 0\)。
2. 添加归一化条件： 用 \(\pi_1 + \pi_2 + \cdots + \pi_n = 1\) 替换其中一个冗余方程。
3. 求解方程组： 使用高斯消元法或矩阵法找到 \(\pi\)。

对于遍历链，无论起始分布如何，重复相乘都会收敛到唯一的稳态。

如何使用此计算器

1. 输入转移矩阵： 输入您的矩阵，每行占一行。数值可用逗号或空格分隔。每行的总和必须为 1。
2. 添加状态标签（可选）： 为您的状态提供描述性名称（例如：晴天, 雨天），用逗号分隔。
3. 设置小数精度： 选择结果的小数位数（2-15 位）。
4. 计算： 点击“计算稳态”以查看完整分析，包括平稳分布、收敛图、状态图和逐步解决方案。

理解您的结果

稳态向量

主要输出是向量 \(\pi = (\pi_1, \pi_2, \ldots, \pi_n)\)，其中每个 \(\pi_i\) 代表处于状态 \(i\) 的长期概率。概率最高的即为主导状态。

收敛图

显示了概率分布如何从均匀分布开始，通过与 P 的连续相乘演变。收敛越快，表明链的混合性越强。

状态转移图

一个交互式的可视化表示，其中：

• 节点大小反映稳态概率
• 连线粗细代表转移概率
• 弯曲箭头显示转移方向
• 自环表示停留在同一状态的概率

实际应用

何时存在唯一的稳态？

有限马尔可夫链只要不可约，就具有唯一的稳态分布；如果它同时是非周期的，任何初始分布都会收敛到该分布。同时具备这两个性质的链称为具有遍历性：

• 不可约： 每个状态都可以从其他任何状态到达（没有断开的部分）
• 非周期： 通过任何状态的所有循环长度的最大公约数为 1（没有固定周期性）

周期但不可约的链仍然恰好有一个稳态，只是 Pᵏ 会来回振荡而不收敛。可约的链只有在仅含一个闭类（外加若干暂态状态）时才有唯一稳态；若有两个或更多闭类，平稳分布就有无穷多个。

常见问题解答

什么是马尔可夫链的稳态分布？

稳态（或平稳）分布是一个概率向量 π，满足 πP = π，其中 P 是转移矩阵。它代表了无论初始状态如何，系统在每个状态中花费时间的长期比例。对于一个不可约且非周期的马尔可夫链，稳态分布是唯一的。

如何计算稳态概率？

要求得稳态向量 π，需要求解方程组 πP = π，并满足所有概率之和为 1 (Σπᵢ = 1) 的约束条件。这等同于在归一化约束下求解 (Pᵀ - I)π = 0。你也可以使用幂迭代法：将初始分布反复乘以 P 直到收敛。

马尔可夫链何时具有唯一的稳态分布？

有限马尔可夫链在恰好只有一个闭通讯类时具有唯一的稳态分布；特别地，只要它是不可约的（每个状态都可以从任何其他状态到达），稳态分布就唯一。唯一性并不需要非周期性：周期链 [[0, 1], [1, 0]] 也有唯一的稳态分布 (½, ½)。非周期性带来的是收敛：不可约且非周期（遍历）的链从任何初始分布出发都会趋近该分布。

马尔可夫链中的平均回访时间是什么？

状态 i 的平均回访时间是从状态 i 开始并返回状态 i 所需的期望步数。对于遍历马尔可夫链，平均回访时间等于 1/πᵢ，其中 πᵢ 是状态 i 的稳态概率。稳态概率越高的状态，其平均回访时间越短。

转移矩阵和稳态向量有什么区别？

转移矩阵 P 是一个 n×n 矩阵，其中 P(i,j) 给出了一步内从状态 i 转移到状态 j 的概率。每一行的和为 1。稳态向量 π 是一个 1×n 的概率向量，代表了跨状态的长期分布。P 描述的是单步动态，而 π 描述的是平衡行为。

其他资源

• 马尔可夫链 - 维基百科
• 随机矩阵 - 维基百科