马尔可夫链通行能力模型

马尔可夫链通行能力模型（Markov chain ergodicity）描述的是在一个马尔可夫链中，当状态转移矩阵满足一定条件时，经过足够长时间的演化，链中任意状态的概率都会收敛到一个稳定分布上。

具体来说，一个马尔可夫链由一组离散状态和状态之间的转移概率构成。如果该马尔可夫链满足一些条件，比如是不可约、非周期的，那么该链就有一个唯一的平稳分布，表示在长时间内，该链中任意状态出现的概率趋向于一个固定值。

这个概念在许多应用中都具有重要意义，比如在蒙特卡罗方法中，为了估计一个随机过程的期望值，可以使用马尔可夫链蒙特卡罗算法，其中关键的一步是要保证该马尔可夫链具有通行能力，即任意状态都能从其他状态到达，并且经过足够长时间后，该链中任意状态的概率都会收敛到平稳分布上。