马尔可夫过程的熵率
熵率
为什么要研究熵率
除了研究i.i.d.随机变量的熵,之前已经从条件熵的角度研究了两个关联的随机变量之间的关系,现在想进一步研究 当这些随机变量来自于某个随机过程时的情况。我们已知随着随机变量数目的增加,其联合熵也会不断增加(H\left(X_{1}, X_{2}, \ldots, X_{n}\right)\le H\left(X_{1}, X_{2}, \ldots, X_{n+1}\right)),因此再研究增长趋势就没有意义,我们转而考虑整个随机过程地研究熵率
[H(X)=\lim {n \rightarrow \infty} \frac{1}{n} H\left(X{1}, X_{2}, \ldots, X_{n}\right) ]
(严)平稳过程
在任一时间点后,任意个随机变量的联合分布都没有发生改变
- 宽平稳只保证一二阶矩不改变
- 高斯过程的宽平稳与严平稳等价
马尔可夫过程
- 信息论中一般考虑三个变量间的关系,再长就是长Markov链的研究范围了
时不变马尔可夫链
- 条件概率只与随机变量取值有关,与状态下标无关
- 时不变马尔可夫链+稳态分布→平稳随机过程
- 稳态分布:(X_n)的分布与(X_{n+1})分布相同(每一个状态的出现概率不再变化)
- 稳态分布的计算:(\underline{p}=\mathrm{P} \underline{p})(注意还有一个概率和为1的条件)
平稳马尔可夫链的熵率
- 平稳过程的熵率存在且等于条件熵的极限 [H(X)=\lim {n \rightarrow \infty} \frac{1}{n} H\left(X{1}, X_{2}, \ldots, X_{n}\right)=\lim {n \rightarrow \infty} H\left(X{n} \mid X_{n-1}, \ldots, X_{1}\right) ]
-
平稳马尔可夫链的熵率:(H(X)=H\left(X_{2} \mid X_{1}\right))
-
熵率的图像
- 考虑跳转概率分别为(\alpha)和(\beta)的两状态马尔科夫链
- 含义是在这个马尔科夫链的随机过程中,平均每个状态的熵是多少
- 如果跳转可能比较固定(跳或者不跳的概率高),熵比较少,也就是说比较稳定
- 如果频繁发生跳转,捉摸不定,熵大,不确定度大,信息量大
- 含义是在马尔科夫链中,熵率相对于稳态分布的熵小了多少,也就条件带来的信息量有多少
- 同样在跳转情况比较固定的时候,条件带来的不确定的消减很大(较小的部分)
- 在跳转比较随机的时候,历史记录没什么关系(趋近1的部分)
Original: https://www.cnblogs.com/mhlan/p/16018745.html
Author: 木坑
Title: 【课程笔记】中科大信息论(四)
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/568168/
转载文章受原作者版权保护。转载请注明原作者出处!