Влияние начального состояния на вероятность нахождения системы в том или ином состоянии исчезает с ростом времени, т.е. вероятности сходятся к предельным значениям , не зависящим от i и образующим распределение вероятностей: .
Следующая теорема описывает широкий класс цепей Маркова, обладающих так называемым свойством эргодичности: пределы не только существуют, не зависят от i, образуют распределение вероятностей, но и таковы, что для всех j.
Теорема (Эргодическая). Пусть матрица переходных вероятностей цепи Маркова с конечным множеством состояний .
А) Если найдется такое, что
то существуют числа такие, что
,
и для любого
.
Б) Обратно, если существуют числа , удовлетворяющие условиям (2), (3), то найдется такое, что выполнено условие (1).
С) Числа удовлетворяют системе уравнений
Отметим, что последняя система играет большую роль в теории цепей Маркова. Всякое её неотрицательное решение (), удовлетворяющее условию принято называть стационарным или инвариантным распределением вероятностей для цепей Маркова.
В заключение этого раздела перечислим основные вопросы, связанные с цепями Маркова.
1) Существуют ли пределы , не зависящие от i?
2) Образуют ли пределы () распределение вероятностей, т.е. ?
3) Является ли цепь эргодической, т.е. таковы ли пределы (), что ?
4) Существует ли единственное стационарное распределение вероятностей (), т.е такие, что и , где
Для получения ответа на эти вопросы сначала проведем классификацию состояний цепи Маркова.