Markov Chains (مارکوف چینز)

یہ کیا ہے

انڈرگریجویٹ مارکوف چین مطالعہ Further Maths کے کام کو طویل مدتی برتاؤ کے رسمی ثبوتوں تک بڑھاتا ہے، جس میں stationary distributions (ہر حالت میں ہونے کا طویل مدتی امکان) اور تقارب کی شرائط شامل ہیں۔

یہ کیوں اہم ہے

مارکوف چینز جدید کمپیوٹنگ کے کچھ اہم ترین الگورتھمز کی بنیاد ہیں — بشمول Markov Chain Monte Carlo طریقے جو بایسیئن شماریات اور مشین لرننگ میں ورنہ ناقابل حل امکانی تقسیموں سے نمونہ لینے کے لیے استعمال ہوتے ہیں۔

امتحانی نکتہ

کوئی stationary distribution تلاش کرنے کے لیے، یہ شرط کہ امکانات 1 تک جمع ہوتے ہیں اس کے ساتھ πP = π (جہاں P ٹرانزیشن میٹرکس ہے) قائم کریں اور حل کریں — 1 تک جمع ہونے کی شرط بھول جانا نظام کو ایک کی بجائے لامحدود حل کے ساتھ چھوڑ دیتا ہے۔