Gönderen Stokastik Modelleme An Introduction Pinsky ve Karlin'in (2011) tarafından:
Sınırlayıcı bir dağılım, varsa, her zaman sabit bir dağılımdır, ancak tersi doğru değildir. Sabit bir dağılım olabilir, ancak sınırlayıcı bir dağıtım yoktur. Örneğin, geçiş olasılığı matrisi
ancak , olduğu için sabit bir dağıtımdır
(s. 205). π = ( 1
P=∥∥∥0110∥∥∥
(1π=(12,12)(12,12)∥∥∥0110∥∥∥=(12,12)
Bir önceki bölümde, zaten bir "tanımlanmış olan kısıtlayıcı olasılık dağılımını " tarafındanπ
limn → ∞P( n )ben j= πj fo r j=0,1,…,N
ve eşit olarak
limn → ∞Pr{ Xn= j | X0= i } = πj> 0 f o r j=0,1,…,N
(s. 165).
Yukarıdaki örnek deterministik olarak salınmaktadır ve bu nedenle dizisi bir sınıra sahip şekilde bir sınıra sahip değildir.{ 1 , 0 , 1 , 0 , 1 , … }
Düzenli bir Markov zincirinin (tüm n-adım geçiş olasılıklarının pozitif olduğu) her zaman sınırlayıcı bir dağılımı olduğunu ve bunun benzersiz bir negatif çözüm olması gerektiğini kanıtlarlar.
πj= ∑k = 0N-πkPk j, j=0,1,…,N,∑k=0Nπk=1
(s. 168 )
Sonra örnekle aynı sayfada,
Herhangi bir set tatmin edici (4.27) Markov zincirinin sabit olasılık dağılımı olarak adlandırılır . "Sabit" terimi, sabit bir dağılıma göre başlatılan bir Markov zincirinin bu dağılımı her zaman takip edeceği mülkten türetilir. Resmi olarak, , tüm . Pr { X 0 = i } = π i Pr { X n = i } = π i n = 1 , 2 , …(πi)∞i=0Pr{X0=i}=πiPr{Xn=i}=πin=1,2,…
burada (4.27) denklemler kümesidir
πi≥0,∑i=0∞πi=1, and πj=∑i=0∞πiPij.
Bu, sonsuz sayıda durum dışında, yukarıdakiyle tamamen aynı durağanlık koşulu.
Durağanlığın bu tanımı ile, sayfa 168'deki ifade geriye dönük olarak şu şekilde yeniden ifade edilebilir:
- Düzenli bir Markov zincirinin sınır dağılımı, sabit bir dağılımdır.
- Bir Markov zincirinin sınır dağılımı sabit bir dağılımsa, sabit dağıtım benzersizdir.