返回 数理基础 思维导图
中文·English
📐 数理基础ID: detailed-balance

马尔可夫链与细致平衡

Markov Chain & Detailed Balance
🎯核心定义
细致平衡 (Detailed Balance) 是马尔可夫链存在平稳分布的核心充分条件:若转移核 P(ij)P(i \to j) 与分布 π\pi 满足逐对可逆
📌核心概述
π(i)P(ij)=π(j)P(ji),i,j,\pi(i) P(i \to j) = \pi(j) P(j \to i), \quad \forall\, i, j,
📌核心概述
π\pi 必为链的平稳分布。证明:对任意状态 jj,
📌核心概述
iπ(i)P(ij)=iπ(j)P(ji)=π(j)iP(ji)=π(j),\sum_i \pi(i) P(i \to j) = \sum_i \pi(j) P(j \to i) = \pi(j) \sum_i P(j \to i) = \pi(j),
📌核心概述
第一步对求和中的每一项代入细致平衡,最后一步用转移核行和 iP(ji)=1\sum_i P(j \to i) = 1 — 得到“从 π\pi 出发转移一步后仍是 π\pi”,即向量形式 πTP=πT\pi^T P = \pi^T,正是平稳分布定义。
💡使用场景
马尔可夫链蒙特卡洛(尤其 Metropolis-Hastings)的数学根基 — 构造转移核时只需逐点验证细致平衡,平稳性自动成立;面试常考“细致平衡如何推出平稳分布”。
解决的核心痛点
把求平稳分布从解线性方程组 πTP=πT\pi^T P = \pi^T(特征值问题)转化为逐对验证可逆条件,构造难度大大降低;注意细致平衡是充分而非必要条件 — 存在满足平衡方程但不满足细致平衡的不可逆链,只是 MCMC 几乎全部采用可逆设计(更简单且通常收敛更快)。
🎯5 个高频面试考点 (Exam Points)
1
从细致平衡 π(i)P(ij)=π(j)P(ji)\pi(i) P(i \to j) = \pi(j) P(j \to i) 证明 iπ(i)P(ij)=π(j)\sum_i \pi(i) P(i \to j) = \pi(j),即 π\pi 是平稳分布,写出每步依据?
2
细致平衡与平稳分布的关系:充分还是必要?能否举例说明存在平稳但不可逆的链?
3
平稳分布向量形式 πTP=πT\pi^T P = \pi^T 如何从细致平衡推出?
4
为什么构造 MCMC 时用细致平衡而不是直接解线性方程组 πTP=πT\pi^T P = \pi^T?
5
链收敛到平稳分布还需要哪些正则条件(不可约、非周期、正常返)?
📖 关联深度指南:📄 sampling-and-monte-carlo
更新于 2026-08-12
🎯
检验攻克程度:针对「马尔可夫链与细致平衡」专属刷题排雷
做单选排雷题、推导选项机制,答错自动收录进专属错题本。
🚀 开始本考点专项刷题
上一个知识点重要性采样下一个知识点MCMC 与细致平衡

🔗 更多 数理基础 知识点卡片

Adam/AdamW 偏差修正推导贝叶斯推断偏差方差分解Bootstrap