Изменения
→См. также
{{Определение
|definition='''Эргодическая''' [[Марковская цепь|Марковская марковская цепь]] называется эргодической, если существует дискретное распределение (называемое эргодическим) <tex>\pi = (\pi_1,\pi_2,\ldots англ. ''ergodic Markov chain'')^{\top}</tex>, такое что <tex>\pi_i > 0,\; i \in \mathbb{N---}</tex> и:<tex>\lim\limits_{n \to \infty} p_{ij}^{(n)} = \pi_jмарковская цепь, ~ \forall i \in \mathbb{N}</tex> (вероятность оказаться в <tex>j</tex>-ом состоянии, выйдя целиком состоящая из <tex>i</tex>-ого, через <tex>n</tex> переходов)одного [[Марковская цепь#sort_def| эргодического класса]].
}}
==Стационарный режим==
Эргодические марковские цепи описываются [[Отношение связности, компоненты связности|сильно связным графом]]. Это означает, что в такой системе возможен переход из любого состояния <tex>S_i</tex> в любое состояние <tex>S_{j}, (i,j = 1,2,...\ldots,n)</tex> за конечное число шагов.
Для эргодических цепей при достаточно большом времени функционирования (<tex>t \to \infty</tex>) наступает '''стационарный режим''', при котором вероятности <tex>\pi_ialpha_i</tex> состояний системы не зависят от времени и не зависят от распределения вероятностей в начальный момент времени, т.е. то есть: <tex>\pi_i alpha_i = const</tex>.
== Эргодическая теорема =={{Определение|definition='''Эргодическое (стационарное) распределение''' (англ. ''stationary distribution'') {{---}} распределение <tex>\alpha = (\alpha_1 \ldots \alpha_n )</tex>, такое что <tex>\alpha_i > 0</tex> и<tex>\sumlim\limits_{j=1n \to \infty} p_{ij}^{(n)}= \alpha_j</tex> (\pi_где <tex>p_{iij}^{(n) = 1}</tex> {{---}} вероятность оказаться в <tex>j</tex>-ом состоянии, выйдя из <tex>i</tex>-ого, через <tex>n</tex>переходов).}}
{{
Теорема
|about=Основная Эргодическая теорема об эргодических распределениях
|statement=
* Для любого вероятностного вектора <tex>\pi</reftex>);# Положительно возвратна (т.е. находится в таком состоянии, выйдя из которого возвращается в него за конечное время);# Апериодична (т.е. находится в таком состоянии, которое навещается цепью через промежутки времени, не кратные фиксированному числу).Эргодическое распределение последовательность <tex>\mathbfpi P^{n}</tex> суммируема по Эйлеру к <tex>\alpha</tex>* Вектор <tex>\pi}alpha</tex> тогда является единственным решением системы: неподвижным вектором матрицы <tex>P</tex>:* <tex>\sum\limits_{iPA = AP =0}^{\infty} \pi_i A</tex>|proof= Домножим <tex>(1)</tex> на <tex>\pi</tex>. Таким образом,\; \pi_j \ge 0мы получим,что предел последовательности <tex>\; \pi_j = \sum\limits_{i=0}pi P^{\inftyn} </tex> в смысле Эйлера равен <tex>\pi_ipi A = \, p_{ij},\quad pi \, jxi \in \mathbb{N}alpha</tex>.}}Значит, '''первый факт''' доказан.
Так как вектор <tex>\alpha</tex> был получен из предельной матрицы для <tex>(kI + (1 - k)P)</tex>, являющейся регулярной переходной матрицей, то он будет её единственным неподвижным вероятностным вектором. Но матрица <tex>(kI + (1 - k)P)</tex> должна иметь те же неподвижные векторы, что и <tex>P</tex>, так как из соотношения :<tex>\pi (kI + (1 - k)P) ==Пример==\pi</tex>, следует, что [[File:Temp.gif|thumb|250px|Пример эргодической цепи]]<tex>\pi (1 - k) P = \pi (1 - k)</tex>Рассмотрим эксперимент по бросанию честной монеты. Тогда соответствующая этому эксперименту марковская цепь будет иметь 2 состояния. Состояние меняется на противоположноеи поскольку <tex>k \ne 1</tex>, при бросании монеты, с вероятностью то <tex>p \pi P = 0.5\pi</tex>.Получается, что '''второй факт''' доказан.
==ПримечанияПример==[[File:Ergo.jpg|thumb|250px|Пример циклической цепи]]Самым простым примером циклической цепи является цепь из двух состояний, с переходной матрицей::<tex>P = \begin{pmatrix}0 & 1 \\ 1 & 0\end{pmatrix}</tex> .
Стационарным распределением этой цепи будет <tex> \alpha = (0.5, 0.5) <references /tex>.
==СсылкиСм. также==*[http://ru.wikipedia.org/wiki/Эргодическое_распределение Эргодическое распределение - Википедия[Марковская цепь]]*[[Регулярная марковская цепь]]*[[Примеры использования Марковских цепей]]
[[Категория:Дискретная математика и алгоритмы]]
[[Категория: Марковские цепи ]]