问题R：使用蒙特卡罗模拟的马尔可夫链的平稳分布

使用蒙特卡罗模拟，估计极限分布，即具有两种可能初始状态的马尔可夫链的平稳分布：

a） X0=1

b） X0=2

过渡矩阵 P=矩阵（c（.5,0,5,0,5,5,0,0,3），nrow=3，ncol=3， byrow=TRUE） #msim_cadena.markov是一个创建的函数，由以下部分组成： #m是要模拟的链数 #转换次数 #初始状态

---

卡德纳小姐，马尔科夫一点也不清楚你在问什么。另外，您能否提供包含

sim1_cadena.markov

和

sim_cadena.markov

函数的库或代码？您给出的转移矩阵似乎无效。有效的马尔可夫转移矩阵必须具有等于1的行条目之和，因为A{i，j}的解释是从状态i到状态j的转移概率（并且这些概率在j上的总和必须为1）。第1行和第2行可以，但第3行只有一个非零条目0.3。如果你想编辑这个问题，请在回复中给我贴上标签，我会再看一眼。你问的问题一点也不清楚。另外，您能否提供包含

sim1_cadena.markov

和

sim_cadena.markov

函数的库或代码？您给出的转移矩阵似乎无效。有效的马尔可夫转移矩阵必须具有等于1的行条目之和，因为A{i，j}的解释是从状态i到状态j的转移概率（并且这些概率在j上的总和必须为1）。第1行和第2行可以，但第3行只有一个非零条目0.3。如果你想编辑这个问题，请随时在回复中标记我，我会再看一看。

#transition matrix
 P = matrix(c(.5, 0, .5, 0, .5, .5, 0, 0, .3), nrow = 3, ncol = 3,
               byrow = TRUE)
# msim_cadena.markov is a created function that is composed by:
# m is number of chains to simulate
# number of transitions
#initial state     
 msim_cadena.markov<- function(m, num_trans, x0, P){
 P_n<- matrix(0,m,(num_trans+1))
 for(i in 1:m){
 P_n[i,]<- sim1_cadena.markov(num_trans, x0, P)
   }
  estados<- numeric(num_trans+1)
  for(i in 0:num_trans) estados[i+1]<- paste('step',i)
  colnames(P_n)<- estados
  P_n
 }
#stationary distribution
# runs are number of simulations
 stat_distr<-function(runs, num_trans)
 x0_1<- x0_1<- t(msim_cadena.markov(num_sims, num_trans, 1, P))
 x0_1<- as.data.frame(x0_1)
 initial.state_1<-length/num_trans
 # I am not sure length of what