从Chapman–Kolmogorov 方程推导出n步转移矩阵

2023-12-24 23:18

本文主要是介绍从Chapman–Kolmogorov 方程推导出n步转移矩阵,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

In this article, I will derive the n n n-step transition matrix from Chapman–Kolmogorov equations.

Before the derivation, we define P i j n = P ( X n + k = j ∣ X k = i ) P^{n}_{ij}=P(X_{n+k}=j|X_{k}=i) Pijn=P(Xn+k=jXk=i) as the n n n-step transition probability from state i i i to state j j j, P ( n ) \textbf{P}^{(n)} P(n) as the n n n-step transition matrix and P \textbf{P} P as the one-step transition matrix. Here, we note that P ( n ) \textbf{P}^{(n)} P(n) does not denote the multiplication of n n n matrix P \textbf{P} P, which will be derived in the following. To continue the derivation, the Chapman–Kolmogorov equations are given as
P i j n + m = ∑ k = 0 ∞ P i k n P k j m , ( 1 ) P_{ij}^{n+m}=\sum_{k=0}^{\infty}P_{ik}^{n}P_{kj}^{m},(1) Pijn+m=k=0PiknPkjm,(1) for all n , m ≥ 0 n,m\geq0 n,m0 and all i , j i,j i,j.
My explanation of equation (1): equation (1) can be interpreted as the multiplication of two infinite matrix i . e . i.e. i.e. P i j n + m P_{ij}^{n+m} Pijn+m is the dot product of the i t h i_{th} ith row of the n n n-step transition matrix and the j t h j_{th} jth column of the m m m-step transition matrix. The preliminary sketch is as followsFig.1
Problem: Derive P ( n ) = P n \textbf{P}^{(n)}=\textbf{P}^{n} P(n)=Pn based on equation (1).
Solution: Combining Fig. 1 with equation (1), we can obtain the relationship between P ( n + m ) \textbf{P}^{(n+m)} P(n+m), P ( n ) \textbf{P}^{(n)} P(n) and P ( m ) \textbf{P}^{(m)} P(m), which is
P ( n + m ) = P ( n ) ⋅ P ( m ) . ( 2 ) \textbf{P}^{(n+m)}=\textbf{P}^{(n)}\cdot\textbf{P}^{(m)}.(2) P(n+m)=P(n)P(m).(2)
Based on equation (2), we can using induction to solve the problem. Induction involves two steps. The first step is to prove P ( n ) = P n \textbf{P}^{(n)}=\textbf{P}^{n} P(n)=Pn when n = 1 n=1 n=1. The second steo is to suppose when n = k n=k n=k, k ≥ 1 \geq1 1, P ( k ) = P k \textbf{P}^{(k)}=\textbf{P}^{k} P(k)=Pk. Then P ( k + 1 ) = P k + 1 \textbf{P}^{(k+1)}=\textbf{P}^{k+1} P(k+1)=Pk+1. For this problem, we have P ( 1 ) = P 1 \textbf{P}^{(1)}=\textbf{P}^{1} P(1)=P1 by definition. For the second step, we suppose that when ( n = k − 1 , k − 1 ≥ 1 n=k-1,k-1\geq1 n=k1,k11) is given, P ( k − 1 ) = P k − 1 \textbf{P}^{(k-1)}=\textbf{P}^{k-1} P(k1)=Pk1. Then when ( n = ( k − 1 ) + 1 = k n=(k-1)+1=k n=(k1)+1=k), we have
P ( ( k − 1 ) + 1 ) = P ( k − 1 ) ⋅ P ( 1 ) = P k − 1 ⋅ P = P k , k ≥ 2. ( 3 ) \textbf{P}^{((k-1)+1)}=\textbf{P}^{(k-1)}\cdot\textbf{P}^{(1)}=\textbf{P}^{k-1}\cdot\textbf{P}=\textbf{P}^{k}, k\geq2.(3) P((k1)+1)=P(k1)P(1)=Pk1P=Pk,k2.(3)
The first equation in (3) is guaranteed by equation (1), the second equation is guaranteed by the fist step of induction and the supposition in the second step of induction and the third equation is guaranteed by Matrix multiplication. Now P ( n ) = P n \textbf{P}^{(n)}=\textbf{P}^{n} P(n)=Pn if proved for n ≥ 1 n\geq1 n1 based on Chapman–Kolmogorov equations.

The above content will synchronize to WeChat public accounts!
在这里插入图片描述

这篇关于从Chapman–Kolmogorov 方程推导出n步转移矩阵的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/533460

相关文章

Nacos客户端本地缓存和故障转移方式

《Nacos客户端本地缓存和故障转移方式》Nacos客户端在从Server获得服务时,若出现故障,会通过ServiceInfoHolder和FailoverReactor进行故障转移,ServiceI... 目录1. ServiceInfoHolder本地缓存目录2. FailoverReactorinit

uva 10014 Simple calculations(数学推导)

直接按照题意来推导最后的结果就行了。 开始的时候只做到了第一个推导,第二次没有继续下去。 代码: #include<stdio.h>int main(){int T, n, i;double a, aa, sum, temp, ans;scanf("%d", &T);while(T--){scanf("%d", &n);scanf("%lf", &first);scanf

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

hdu 4565 推倒公式+矩阵快速幂

题意 求下式的值: Sn=⌈ (a+b√)n⌉%m S_n = \lceil\ (a + \sqrt{b}) ^ n \rceil\% m 其中: 0<a,m<215 0< a, m < 2^{15} 0<b,n<231 0 < b, n < 2^{31} (a−1)2<b<a2 (a-1)^2< b < a^2 解析 令: An=(a+b√)n A_n = (a +

hdu 6198 dfs枚举找规律+矩阵乘法

number number number Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others) Problem Description We define a sequence  F : ⋅   F0=0,F1=1 ; ⋅   Fn=Fn

线性代数|机器学习-P35距离矩阵和普鲁克问题

文章目录 1. 距离矩阵2. 正交普鲁克问题3. 实例说明 1. 距离矩阵 假设有三个点 x 1 , x 2 , x 3 x_1,x_2,x_3 x1​,x2​,x3​,三个点距离如下: ∣ ∣ x 1 − x 2 ∣ ∣ 2 = 1 , ∣ ∣ x 2 − x 3 ∣ ∣ 2 = 1 , ∣ ∣ x 1 − x 3 ∣ ∣ 2 = 6 \begin{equation} ||x

【线性代数】正定矩阵,二次型函数

本文主要介绍正定矩阵,二次型函数,及其相关的解析证明过程和各个过程的可视化几何解释(深蓝色字体)。 非常喜欢清华大学张颢老师说过的一段话:如果你不能用可视化的方式看到事情的结果,那么你就很难对这个事情有认知,认知就是直觉,解析的东西可以让你理解,但未必能让你形成直觉,因为他太反直觉了。 正定矩阵 定义 给定一个大小为 n×n 的实对称矩阵 A ,若对于任意长度为 n 的非零向量 ,有 恒成

python科学计算:NumPy 线性代数与矩阵操作

1 NumPy 中的矩阵与数组 在 NumPy 中,矩阵实际上是一种特殊的二维数组,因此几乎所有数组的操作都可以应用到矩阵上。不过,矩阵运算与一般的数组运算存在一定的区别,尤其是在点积、乘法等操作中。 1.1 创建矩阵 矩阵可以通过 NumPy 的 array() 函数创建。矩阵的形状可以通过 shape 属性来访问。 import numpy as np# 创建一个 2x3 矩阵mat

【UVA】10003-Cutting Sticks(动态规划、矩阵链乘)

一道动态规划题,不过似乎可以用回溯水过去,回溯的话效率很烂的。 13988658 10003 Cutting Sticks Accepted C++ 1.882 2014-08-04 09:26:49 AC代码: #include<cstdio>#include<cstring>#include<iostream>#include<algorithm>#include

算法练习题17——leetcode54螺旋矩阵

题目描述 给你一个 m 行 n 列的矩阵 matrix ,请按照 顺时针螺旋顺序 ,返回矩阵中的所有元素。  代码 import java.util.*;class Solution {public List<Integer> spiralOrder(int[][] matrix) {// 用于存储螺旋顺序遍历的结果List<Integer> result = new ArrayList