1 基本概念
遷移確率は、ある時点の状態から別の状態へ移る見込みを数値化したものである。変化の起こりやすさを比較できるため、確率的に推移する現象を整理する際の基礎となる。対象は離散的な状態にも連続的な状態にも及び、時間発展を伴う問題で特に重要である。
1.1 定義
遷移確率とは、現在の状態が与えられたとき、次に特定の状態へ移る条件付き確率を指す。一般には、ある出発状態から到達状態への変化を表す量として定義され、未来の振る舞いを確率論的に記述する。
1.2 表現方法
遷移確率は、文章による記述のほか、記号、表、行列などで表される。問題設定に応じて、状態間の関係を見やすく示す形式が選ばれる。
1.2.1 状態と遷移
状態とは、系のある時点での取りうる位置や条件を意味する。遷移は、その状態から別の状態へ移る過程であり、確率値によってどの経路が起こりやすいかを示す。
1.2.2 遷移確率の記号
遷移確率は、しばしば P や p に添字を付けた記号で表される。たとえば、状態 i から状態 j への確率は p_ij のように書かれることが多い。
1.3 性質
遷移確率には、確率として共通する基本的な制約がある。これにより、数学的に整合したモデルとして扱うことができる。
1.3.1 非負性
遷移確率は 0 未満にはならない。負の値は確率の解釈に反するため、取りうる範囲は 0 以上 1 以下に限られる。
1.3.2 正規化条件
ある状態から出発する遷移先の確率の総和は 1 になる。これは、次に起こりうる事象をすべて合わせると全体確率がちょうど 1 になることを意味する。
2 数理モデル
遷移確率は、単独の数値としてだけでなく、状態空間や行列、確率過程の枠組みの中で体系的に扱われる。こうしたモデル化により、複数段階の変化や長期的な挙動を解析しやすくなる。
2.1 状態空間
状態空間は、系が取りうるすべての状態の集合である。遷移確率は、この集合の内部でどの状態からどの状態へ動くかを定める。
2.1.1 離散状態空間
離散状態空間では、状態は有限個または可算個の個別の値として表される。天気、機械の稼働段階、ゲームの局面のように、区別可能な選択肢が並ぶ場合に適している。
2.1.2 連続状態空間
連続状態空間では、状態は実数のように連続した範囲をとる。位置、速度、温度など、細かく変化する量を記述する際に用いられる。
2.2 遷移行列
遷移行列は、状態間の遷移確率を表の形にまとめた行列である。各成分が状態の組に対応するため、全体の構造を一目で把握しやすい。
2.2.1 行列の構成
通常、行と列の一方を出発状態、他方を到達状態に対応させる。各要素には、その組み合わせにおける遷移確率が入る。
2.2.2 行和と列和
多くの標準的な表現では、各行の和が 1 になる。これは、ある状態から次に移る先の確率がすべて合計で完全になることを示す。
2.3 マルコフ過程
マルコフ過程は、現在の状態が将来の確率分布を決めるという性質を持つ確率過程である。過去の詳細よりも現時点が重要になるため、遷移確率との結びつきが強い。
2.3.1 離散時間マルコフ連鎖
離散時間マルコフ連鎖では、時間が段階ごとに進み、そのたびに状態が更新される。各時刻の遷移は、定められた確率に従って起こる。
2.3.2 連続時間マルコフ過程
連続時間マルコフ過程では、状態変化が時刻の連続的な流れの中で生じる。待ち時間や発生率を含む記述が必要になり、物理や工学の分野で利用される。
3 性質と解析
遷移確率の研究では、単発の変化だけでなく、複数回の遷移を経た後の分布や、長期的な安定状態が重要になる。解析を通じて、システム全体のふるまいを定量的に捉えられる。
3.1 nステップ遷移確率
nステップ遷移確率は、複数回の遷移を経て n 時刻後にある状態へ到達する確率である。短期的な遷移を積み重ねることで、将来の分布を予測する。
3.1.1 逐次遷移
逐次遷移では、一回ごとの変化を順にたどって全体の確率を求める。各段階の遷移を連鎖的に組み合わせることで、最終的な到達確率が得られる。
3.1.2 再帰的計算
再帰的計算では、前段階の結果を使って次の段階を導く。これにより、長い時間の遷移も効率よく求めやすくなる。
3.2 定常分布
定常分布は、時間が経っても変化しない分布である。遷移を続けても比率が保たれるため、系の長期的な偏りを示す指標となる。
3.2.1 平衡状態
平衡状態では、状態ごとの確率が流入と流出の釣り合いを保つ。個々の変化は続いていても、全体としては分布が安定している。
3.2.2 収束性
収束性とは、初期状態に依らず分布が定常分布へ近づく性質をいう。これが成り立つと、長期予測がより簡潔になる。
3.3 吸収状態
吸収状態は、一度入るとそこから出られない状態である。停止点や完了状態の表現に使われ、終了条件を含むモデルで重要になる。
3.3.1 吸収確率
吸収確率は、最終的に吸収状態へ到達する見込みを表す。途中で別の経路をたどる場合でも、どの程度の割合で到達するかを評価できる。
3.3.2 到達時間
到達時間は、ある状態に初めて到達するまでに要する時間やステップ数である。期待値として扱うことで、平均的な遷移の速さを測定できる。
4 応用
遷移確率は、自然現象の記述から情報処理まで幅広く使われる。状態変化の規則を確率として表せるため、予測、設計、最適化に応用しやすい。
4.1 物理学
物理学では、粒子や系の状態が時間とともに変わる様子を扱う際に用いられる。微視的なランダム性を含む現象の理解に役立つ。
4.1.1 ブラウン運動
ブラウン運動は、微粒子が周囲の分子との衝突によって不規則に動く現象である。遷移確率を用いると、その位置変化を統計的に記述できる。
4.1.2 統計力学
統計力学では、多数の粒子からなる系の巨視的性質を確率的に扱う。状態間の移り変わりを通じて、平衡やゆらぎを分析する。
4.2 工学
工学分野では、装置や信号の変化、故障の発生などを定量化するために使われる。設計の信頼性や性能評価に結びつく。
4.2.1 信号処理
信号処理では、時系列データの状態遷移をモデル化して雑音やパターンを解析する。音声や画像の特徴抽出にも応用される。
4.2.2 信頼性工学
信頼性工学では、機器が正常、劣化、故障へ移る確率を調べる。これにより、保守計画や寿命予測を立てやすくなる。
4.3 情報科学
情報科学では、遷移確率は学習モデルや言語モデルの基礎となる。データの系列構造を扱う場面で特に重要である。
4.3.1 機械学習
機械学習では、入力の状態遷移を確率的に扱う手法が多い。隠れた状態の推定や系列予測に利用される。
4.3.2 自然言語処理
自然言語処理では、単語や文の並びを状態遷移として捉えることがある。次に現れやすい語句を推定する際に、遷移確率が役立つ。