[英]Finding Conditional Moments in a Markov Process
這個問題結合了數學和編程。 我將首先描述一般問題,然后給出一個(希望)更容易理解的例子。
一般問題:考慮具有轉移矩陣Π的N狀態的馬爾可夫鏈過程。 每個狀態都與值x_n({1,...,n}中的n)相關聯。 我們的目標是找到沿T周期路徑的前兩個時刻(均值和變量)的無條件平均值,條件是(i)路徑從狀態子集開始,N_0,(ii)它以狀態子集結束, N_T,以及(iii)在1到T-1之間的任何時段中,它沒有經過狀態子集N_not。 通過說我們對這兩個時刻的無條件平均值感興趣,我基本上意味着這兩個時刻在平穩分布中的平均值。 更具體地說,讓我在一個簡單的案例中說明這項工作的目標。
簡單示例:考慮具有轉移矩陣Π的3狀態馬爾可夫鏈過程,並且讓這三個狀態由A,B和C表示。這些狀態中的每一個都與某個值(x_A,x_B和x_C)相關聯,分別。 我們對滿足以下條件的路徑發生的事情感興趣。 路徑從A點開始,經過3個周期在B點或C點之后,1到3期間從未再次通過A點。用(#)表示這個條件。 因此,例如,我們感興趣的路徑將是{A,B,B,C},其具有關聯值{x_A,x_B,x_B,x_C}。 我們對這些路徑的平均值和標准偏差感興趣。 特別是,我們希望在滿足(#)的路徑中找到前兩個時刻的無條件平均值。
現在讓我提出一個基於模擬過程的解決方案。 由於T和N都很大,這個解決方案對我來說太慢了。
模擬解決方案:從一些初始點開始模擬該過程很長一段時間,並放棄第一個τ周期。 從模擬中提取滿足條件(#)的所有路徑,並計算沿每條路徑的平均值和標准值。 最后,簡單地了解這些路徑的平均值。
我希望有更好,更有效的方法來實現這個目標。 由於我希望解決方案准確且T和N的大小,因此模擬需要很長時間。
我很想聽聽你的想法,如果你知道有效的方法來實現這個目標。 如果有什么不清楚的地方請告訴我,我會盡力澄清一下。
謝謝!!!
我想如果N_0
由一個狀態組成,我知道如何做到這一點,讓我們稱之為狀態A
在A
的長期概率是pi(A)
並且可以通過求解pi = pi*P
來獲得,其中P
是轉移矩陣。
您需要計算的另一件事是這些瞬態路徑的概率。 您可能需要引入修改的P
,其中集合N_not
中的所有狀態i
都是吸收的(即P[i,i]=1
並且對於j
, P[i,j]=0
不是i
)。 然后從向量p(0)
,其中元素中的1對應於狀態A
,否則為0,您可以繼續計算p(n) = p(n-1)*P
以獲得瞬態路徑的概率。
將pi(A)
的結果乘以得到無條件概率。
當N_0
是一個集合時,你也可以這樣做,但我不知道在這種情況下你應該如何選擇p(0)
。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.