Конечные цепи Маркова: переходы и стационарность

От стохастической таблицы к нескольким шагам и стационарному распределению; периодичность объясняет, почему найденный закон не всегда является пределом.

Задачи модуля

Сначала зафиксируйте, где в таблице стоят исходные и следующие состояния. Условные вероятности строк вместе с начальной смесью определяют закон одного шага.

Матричные степени продолжают расчёт, но вопрос о далёком будущем требует нового рассуждения. Стационарность, сходимость закона и доли посещений по времени здесь разделены на конкретных примерах.

  • Проверять переходную матрицу и вычислять следующий закон при объявленном соглашении о строках.
  • Вычислять двухшаговые вероятности суммированием по промежуточным состояниям и отличать их от вероятности посещения за период.
  • Находить нормированное стационарное распределение и распознавать периодическое чередование без сходимости из фиксированного старта.

Конечные цепи Маркова

Два шага цепи Маркова: переход через промежуточные состояния

Матрица задаёт один шаг. Для двух шагов нужно сложить вероятности всех допустимых промежуточных состояний, сохранив направление переходов.

Перед началом: Условная вероятность; Умножение матриц.

Что хранится в строке

Пусть Pᵢⱼ есть вероятность перехода из i в j за один такт. Все элементы неотрицательны, а сумма каждой строки равна единице. Мы используем распределение как строку: новое распределение равно πP. Другая договорённость тоже возможна, но тогда необходимо одновременно поменять ориентацию матрицы и вектора. В прикладном описании такт должен иметь фиксированный смысл: день, операция или одно зарегистрированное событие. Матрица для суток не обязана описывать один час.

Почему появляется сумма произведений

Условимся, что переходы однородны во времени и выполняется марковское свойство: при известном текущем состоянии более ранняя история не меняет закон следующего шага. События «первый шаг пришёл в k» образуют полную несовместную группу. Поэтому P²ᵢⱼ=ΣₖPᵢₖPₖⱼ. Произведение относится к одному маршруту, сумма объединяет разные маршруты. Самопереход является полноценным промежуточным вариантом. Его нельзя выбрасывать лишь потому, что имя состояния не изменилось.

Как проверить вычисление

У результата снова должны быть неотрицательные строки с суммой один. Однако эта проверка обнаруживает не все ошибки: транспонированная матрица иногда тоже стохастична. Поэтому полезно отдельно выписать два или три маршрута к нужной конечной точке. Если матрица меняется с тактом, вместо квадрата используется упорядоченное произведение P₀P₁. Переставлять множители нельзя: сначала применяется переход первого периода, затем второго. Наблюдение только начального и конечного состояний не позволяет восстановить уникальный промежуточный путь.

Разобранная задача

Условие. Состояния A и B имеют матрицу P=((3/4,1/4),(1/2,1/2)). Цепь начинает в A. Найдите распределение через два такта.

  1. После первого такта вероятности A и B равны 3/4 и 1/4 соответственно.
  2. Маршрут A→A→B имеет вероятность (3/4)(1/4)=3/16.
  3. Маршрут A→B→B имеет вероятность (1/4)(1/2)=2/16. Их сумма даёт P(X₂=B)=5/16.
  4. Дополнение равно P(X₂=A)=11/16; прямая проверка даёт (3/4)²+(1/4)(1/2)=11/16.

Ответ. Через два такта распределение равно (11/16,5/16).

Проверка. Обе координаты положительны и дают сумму 16/16. Независимый расчёт по маршрутам совпал с умножением строки (1,0) на P².

Где легко ошибиться. Возведение каждого элемента матрицы в квадрат не вычисляет двухшаговый переход: оно теряет все маршруты через другое состояние.

Проверьте понимание

Как получить распределение через три шага при принятой договорённости?

Вопросы к этой главе

Можно ли узнать точный путь по конечному состоянию?

Нет. Конечное B совместимо с двумя маршрутами. Можно вычислить их условные вероятности, но наблюдение конца не выбирает один из них.

Нужна ли стационарность начального распределения?

Нет. Формула работает для любого заданного распределения на старте. Однородность переходов и стационарность распределения являются разными условиями.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • MIT OCW: random processes

    MIT 6.041, unit III, лекции 14–18: пуассоновские процессы, конечные переходы, стационарность и первое достижение. Числовые матрицы и проверки составлены здесь.

Стационарность и периодичность: почему распределение может не сходиться

Решение πP=π может существовать и быть единственным, хотя распределение цепи из фиксированного состояния не имеет предела.

Перед началом: Система линейных уравнений; Предел последовательности.

Инвариантное распределение

Вероятностная строка π называется стационарной, если после одного перехода она остаётся той же: πP=π. Это алгебраическое условие вместе с нормировкой Σπᵢ=1 и неотрицательностью. Оно говорит о специально подготовленном начальном распределении. Оно само по себе ничего не обещает о поведении цепи из каждого другого старта. Даже при единственном решении отдельная траектория продолжает прыгать между состояниями, поэтому постоянство распределения не означает неподвижности наблюдаемого объекта.

Период препятствует обычному пределу

Период состояния есть наибольший общий делитель длин возможных возвратов в него. Для конечной неприводимой цепи все состояния имеют общий период. Если он больше единицы, вероятность способна колебаться по классам тактов. Для конечной неприводимой апериодической цепи распределение из любого старта сходится к единственному стационарному. Самопереход с положительной вероятностью в неприводимой цепи достаточен для апериодичности, но не является необходимым условием.

Для данной матрицы P²=I: каждый второй шаг точно возвращает начальное распределение. Это алгебраически показывает, почему повторное умножение не сглаживает исходный перекос между состояниями.

Усреднение по времени решает другую задачу

Среднее распределений (π₀+π₀P+…+π₀Pⁿ⁻¹)/n может сходиться даже при периодичности. В конечной неприводимой цепи оно стремится к стационарному. Это предел частот, усреднённых по тактам, а не предел вероятности в отдельный дальний такт. В отчёте необходимо указывать, о каком наблюдении идёт речь: состояние завтра, доля времени или распределение случайно выбранного такта. Подмена этих вопросов делает правильную стационарную меру неправильным прогнозом.

Разобранная задача

Условие. Цепь с матрицей P=((0,1),(1,0)) стартует в A. Найдите стационарное распределение, обычный предел и среднее распределений за первые четыре такта 0,1,2,3.

  1. Уравнение (a,b)P=(a,b) даёт b=a; нормировка a+b=1 даёт a=b=1/2.
  2. Из A цепь через нечётное число шагов оказывается в B, через чётное — в A.
  3. Последовательность распределений чередует (1,0) и (0,1), поэтому обычного предела нет.
  4. Среднее четырёх строк равно ((1,0)+(0,1)+(1,0)+(0,1))/4=(1/2,1/2).

Ответ. π=(1/2,1/2), период равен двум; распределения не сходятся, их временные средние сходятся к π.

Проверка. Подстановка πP=π выполнена. Вероятность A имеет две подпоследовательности с разными пределами 1 и 0, что независимо опровергает общий предел.

Где легко ошибиться. Уникальность стационарного решения не заменяет проверку неприводимости и апериодичности для теоремы о сходимости распределений.

Проверьте понимание

Какая характеристика объясняет отсутствие обычного предела здесь?

Вопросы к этой главе

Что изменит старт из π?

Каждый такт будет иметь распределение π, хотя состояния продолжат строго чередоваться. Случайный старт смешивает две фазы одного цикла.

Можно ли убрать колебание усреднением?

Да, средние распределений сходятся. Но усреднённая величина отвечает другому вопросу и не делает чётный и нечётный такты одинаковыми.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • MIT OCW: random processes

    MIT 6.041, unit III, лекции 14–18: пуассоновские процессы, конечные переходы, стационарность и первое достижение. Числовые матрицы и проверки составлены здесь.

Поглощающая цепь: среднее время до завершения

Среднее число переходов до завершения удобно получать из уравнений первого шага. Текущий шаг добавляет единицу даже при возврате.

Перед началом: Математическое ожидание; Линейные системы.

Определите момент завершения

Пусть D поглощает цепь: из него она уже не выходит. Случайное время T считает переходы до первого попадания в D, а не число посещённых имён состояний. Поэтому при старте в D имеем T=0. В конечной цепи, где из каждого рассматриваемого состояния поглощение достижимо и других замкнутых классов нет, T конечно почти наверное и имеет конечное среднее. Простая достижимость одной ветви не исключает отдельного непоглощающего класса.

Разложите по первому переходу

Обозначим tᵢ=EᵢT. После первого шага остаётся задача того же типа из нового состояния, поэтому tᵢ=1+ΣⱼPᵢⱼtⱼ для непоглощающего i. В сумму можно включить D с t_D=0. Для матрицы Q переходов между временными состояниями это (I−Q)t=1. Единица справа считает время, потраченное на первый переход. Формула t=Qt без этой единицы ошибочно ищет гармоническую вероятность, а не длительность.

Среднее не ограничивает отдельный запуск

Решённая система описывает среднюю длительность многих независимых запусков. Отдельный запуск может оказаться намного дольше, особенно при высокой вероятности самоперехода. Для выбора жёсткого срока нужны хвостовые вероятности P(T>n) либо квантили. Они вычисляются из Qⁿ и не равны среднему. Подстановка найденного вектора в исходные уравнения проверяет арифметику; проверка отсутствия других замкнутых классов обосновывает, почему выбран именно конечный неотрицательный ответ.

Разобранная задача

Условие. Из A переходят в A с вероятностью 1/2, в B с 1/2. Из B переходят в A с 1/4, в D с 3/4. Найдите среднее число шагов до D из A.

  1. Положим t_D=0. Первые шаги дают t_A=1+t_A/2+t_B/2 и t_B=1+t_A/4.
  2. Первое уравнение после переноса имеет вид t_A=2+t_B.
  3. Подставим второе: t_A=3+t_A/4, откуда t_A=4 и t_B=2.
  4. Поглощение доступно из обоих временных состояний; замкнутого класса внутри {A,B} нет. Полученное конечное среднее имеет вероятностный смысл.

Ответ. Среднее время из A равно четырём переходам; из B — двум.

Проверка. В первом уравнении 1+4/2+2/2=4, во втором 1+4/4=2. Обе строки согласованы с ответом.

Где легко ошибиться. Не заменяйте среднее время величиной 1/P(поглощение за шаг), если эта вероятность зависит от текущего состояния.

Проверьте понимание

Что стоит справа в уравнении для среднего времени первого достижения?

Вопросы к этой главе

Почему t_D равно нулю, а не единице?

Часы останавливаются при первом попадании в D. При старте в нём попадание уже произошло, дополнительного перехода не требуется.

Означает ли ответ четыре завершение не позже четвёртого шага?

Нет. Среднее не является верхней границей. Самопереходы допускают сколь угодно длинные, хотя всё менее вероятные траектории.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • MIT OCW: random processes

    MIT 6.041, unit III, лекции 14–18: пуассоновские процессы, конечные переходы, стационарность и первое достижение. Числовые матрицы и проверки составлены здесь.

Вероятность достижения границы: гармоническая задача на состояниях

В задаче первого достижения неизвестна вероятность события, поэтому уравнения первого шага не содержат единицы времени.

Перед началом: Полная вероятность; Геометрическая прогрессия.

Зафиксируйте две границы

Случайное блуждание живёт в состояниях 0,1,…,N. Во внутренних состояниях оно идёт вправо с вероятностью p и влево с q=1−p. После достижения края движение останавливается. Искомая hᵢ есть вероятность достичь N раньше 0 при старте i. Граничные значения h₀=0 и h_N=1 задаются смыслом события. Они не вычисляются по внутренней рекурсии. При 0<p<1 остановка на конечном отрезке произойдёт почти наверное.

Гармоничность и её решение

Первый шаг даёт hᵢ=p hᵢ₊₁+q hᵢ₋₁. Величина h не накапливается во времени, поэтому добавка 1 здесь отсутствует. При p≠q решение с границами равно (1−(q/p)ⁱ)/(1−(q/p)ᴺ). При p=q формула имеет неопределённость 0/0, и следует использовать hᵢ=i/N. Это отдельный предельный случай, а не основание делить на нулевой знаменатель. Для больших степеней вычисления требуют устойчивой формы.

Другой вывод использует разности dᵢ=hᵢ−hᵢ₋₁. Из внутреннего уравнения следует p dᵢ₊₁=q dᵢ. Значит соседние разности образуют геометрическую прогрессию с отношением q/p. Сумма всех разностей от нуля до N равна единице, что определяет первый член и затем каждое hᵢ. При p=q разности одинаковы, поэтому решение линейно.

Проверьте направленность результата

Значения h должны лежать между нулём и единицей и возрастать со стартовым состоянием. При p>1/2 они выше i/N: снос направлен к верхней границе. Такая проверка не доказывает рекурсию, но быстро обнаруживает перепутанное отношение p/q. Если вероятности зависят от состояния, прежняя геометрическая формула в общем неверна; сохраняются граничные условия и линейная система. При возможности скачка через край сначала уточняют, считается ли пересечение достижением, иначе сама постановка неоднозначна.

Разобранная задача

Условие. Для состояний 0,1,2,3 возьмите p=2/3, q=1/3. Какова вероятность из 1 попасть в 3 раньше 0?

  1. Границы: h₀=0, h₃=1. Внутренние уравнения: h₁=(2/3)h₂ и h₂=(2/3)+(1/3)h₁.
  2. Подставляем первое во второе: h₂=2/3+(2/9)h₂, поэтому h₂=6/7.
  3. Следовательно h₁=(2/3)(6/7)=4/7.
  4. Геометрическая формула независимо даёт (1−1/2)/(1−1/8)=(1/2)/(7/8)=4/7.

Ответ. Вероятность верхней границы при старте 1 равна 4/7.

Проверка. Имеем 0<4/7<6/7<1. При положительном сносе результат 4/7 выше симметричного значения 1/3, что согласуется с направлением движения.

Где легко ошибиться. Не прибавляйте единицу к рекурсии вероятности: это превратит её в уравнение для ожидаемого времени с совершенно другим ответом.

Проверьте понимание

Какие граничные значения нужны для вероятности достичь N раньше 0?

Вопросы к этой главе

Почему не p²?

Два немедленных шага вправо — лишь один успешный маршрут. Траектория может возвращаться в 1 или 2 и всё равно в итоге достичь 3 первой.

Что произойдёт при честном блуждании?

При p=q=1/2 решение линейно: hᵢ=i/N. Для того же старта и границы оно равно 1/3.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • MIT OCW: random processes

    MIT 6.041, unit III, лекции 14–18: пуассоновские процессы, конечные переходы, стационарность и первое достижение. Числовые матрицы и проверки составлены здесь.

Детальный баланс: обратимость стационарного потока

Стационарность балансирует суммарные потоки, а обратимость — каждую пару направлений. Вторая проверка сильнее первой.

Перед началом: Стационарное распределение; Условная вероятность.

Поток по ребру

При стационарном распределении π совместная вероятность соседних состояний i,j равна πᵢPᵢⱼ. Назовём её потоком по направленному ребру за один такт. Детальный баланс требует πᵢPᵢⱼ=πⱼPⱼᵢ для каждой пары. Суммирование по i даёт (πP)ⱼ=πⱼΣᵢPⱼᵢ=πⱼ, поэтому нормированное неотрицательное решение детального баланса обязательно стационарно. Обратное утверждение неверно: стационарное распределение может поддерживать циклический ток.

Смысл обращения времени

Для πⱼ>0 обратный переход определяется условием P_rev(j,i)=πᵢPᵢⱼ/πⱼ. Детальный баланс означает, что эта матрица совпадает с исходной. Стационарная траектория имеет тот же закон при обращении порядка наблюдений. Это статистическая симметрия; она не утверждает, что отдельный объект буквально движется назад. Для состояния нулевой стационарной массы условная вероятность обращения таким делением не определяется, поэтому работать следует на носителе меры.

Быстрый расчёт для соседних переходов

В цепи рождения и гибели достаточно связать соседние массы отношением πᵢ₊₁/πᵢ=Pᵢ,ᵢ₊₁/Pᵢ₊₁,ᵢ и затем нормировать. Проверка отсутствующих рёбер тоже важна: положительный поток в одну сторону при нулевом обратном исключает обратимость с положительными массами. Самопереходы удовлетворяют равенству автоматически, но участвуют в нормировке строк. Цикл из трёх состояний, который всегда идёт только вперёд, имеет равномерную стационарную меру и при этом необратим.

Полезный дополнительный тест рассматривает цикл состояний с положительными переходами в обе стороны. При детальном балансе произведение вероятностей обхода цикла вперёд равно произведению обратного обхода: стационарные массы сокращаются после перемножения парных равенств. Для трёх состояний это P₁₂P₂₃P₃₁=P₁₃P₃₂P₂₁. Нарушение равенства сразу исключает обратимость. Проверять только один цикл в большой сети недостаточно без обоснования, что выбранные циклы образуют нужную систему. В цепи без циклов соседние отношения особенно удобны именно потому, что обходных противоречий не возникает.

Разобранная задача

Условие. Для P=((1/2,1/2,0),(1/4,1/2,1/4),(0,1/2,1/2)) найдите обратимое распределение.

  1. Из баланса ребра 1↔2 имеем π₁/2=π₂/4, значит π₂=2π₁.
  2. Из ребра 2↔3 имеем π₂/4=π₃/2, значит π₃=π₂/2=π₁.
  3. Нормировка π₁+π₂+π₃=4π₁=1 даёт π=(1/4,1/2,1/4).
  4. Оба ненулевых парных потока равны 1/8. Ребро 1↔3 имеет нулевые потоки в обе стороны.

Ответ. π=(1/4,1/2,1/4); цепь обратима относительно этой меры.

Проверка. Прямое умножение даёт πP=(1/8+1/8,1/8+1/4+1/8,1/8+1/8)=π. Это отдельно проверяет стационарность.

Где легко ошибиться. Не объявляйте цепь обратимой только по равенству πP=π: суммарный баланс допускает ненулевые круговые потоки.

Проверьте понимание

Что сразу опровергает обратимость при всех πᵢ>0?

Вопросы к этой главе

Детальный баланс необходим для стационарности?

Нет. Это достаточное дополнительное условие. Равномерный направленный трёхцикл сохраняет распределение, но нарушает парный баланс.

Почему наиболее вероятно среднее состояние?

В приведённой матрице потоки по каждому соседнему ребру требуют вдвое большей массы у центра. Это следствие конкретных вероятностей, не общего положения о середине.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • Sébastien Roch: finite Markov chains and reversibility

    Sébastien Roch, chapter 1: стационарность, обратимость и переходные вероятности. Матрица и проверка потоков в главе составлены самостоятельно.

Укрупнение состояний: когда наблюдаемая цепь остаётся марковской

Если несколько скрытых состояний имеют одну метку, следующая метка может зависеть от скрытой истории. Проверим условие допустимого укрупнения.

Перед началом: Марковское свойство; Разбиение множества.

Наблюдаемая метка скрывает информацию

Пусть исходная конечная цепь X имеет известную матрицу P, но наблюдатель видит только блок Y, содержащий X. Разбиение должно покрывать все состояния без пересечений. Знание текущего блока обычно слабее знания текущего состояния. Прошлые метки могут уточнять, какое состояние внутри блока вероятнее, и через это менять закон следующей метки. Поэтому функция марковской цепи в общем не является марковской цепью с тем же порядком памяти.

Проверка сильной укрупняемости

Для любых i и i′ из одного блока B и каждого целевого блока C должно выполняться Σⱼ∈C Pᵢⱼ=Σⱼ∈C Pᵢ′ⱼ. Тогда вероятность следующего блока не зависит от скрытого состояния внутри B. Общую сумму можно положить элементом укрупнённой матрицы Q_BC. Условие гарантирует марковость меток для любого начального распределения. Для некоторых специальных стартов возможно более слабое свойство, но оно не позволяет заявить такую универсальную гарантию.

Что проверять в данных

Укрупнять удобно состояния одинакового управленческого смысла: например, разные типы исправной работы. Но совпадение названий или близость средних длительностей не подтверждает равенства блочных переходов. В эмпирической матрице равенство требует статистической оценки, а не визуального впечатления. Если условие нарушено, можно оставить исходные состояния, добавить память прошлой метки или явно строить скрытую марковскую модель. Произвольное усреднение строк без указанных весов создаёт прогноз, зависящий от неоговорённого состава блока.

Разобранная задача

Условие. Матрица имеет строки (0,6;0,2;0,2), (0,1;0,7;0,2), (0,3;0,2;0,5). Объедините состояния 1 и 2 в A, состояние 3 оставьте B. Найдите Q.

  1. Из состояния 1 сумма переходов в A равна 0,6+0,2=0,8, в B — 0,2.
  2. Из состояния 2 соответствующие суммы равны 0,1+0,7=0,8 и 0,2. Условие внутри A выполнено.
  3. Блок B содержит одно состояние: его переходы в A и B равны 0,5 и 0,5.
  4. Получаем Q=((0,8;0,2),(0,5;0,5)). Каждая строка суммируется в единицу.

Ответ. Укрупнение допустимо для любого старта; матрица меток Q=((4/5,1/5),(1/2,1/2)).

Проверка. Распределения, сосредоточенные отдельно в состояниях 1 и 2, дают одинаковую строку меток (4/5,1/5). Значит скрытая смесь внутри A не влияет на следующий блок.

Где легко ошибиться. Средняя строка блока не доказывает марковость. Сначала сравните блочные суммы для каждого исходного состояния этого блока.

Проверьте понимание

Что сравнивают для двух состояний одного блока?

Вопросы к этой главе

Нужно ли равенство отдельных элементов строк?

Нет. Переходы внутри одного целевого блока могут различаться. Требуется равенство их сумм, поскольку наблюдатель различает только блоки.

Что будет при изменении вероятности 2→3 на 0,3?

После согласованной правки строки сильное условие нарушится: шанс следующего B станет зависеть от скрытого состояния в A.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • Geiger and Temmel: lumpings of Markov chains

    Geiger and Temmel, разделы 2.4–2.6: сильная укрупняемость и зависимость от начального распределения. Достаточное условие блочных сумм и собственная матрица проверены непосредственно.

Связанные методы

Как таблица переходов задаёт следующий закон состояния

Если строка i содержит вероятности перехода из i, закон следующего шага равен строковому вектору πP. Перед умножением проверяют неотрицательность элементов и единичные суммы строк.

Разобрать с примером

Почему двухшаговый переход суммирует промежуточные состояния

Для двух шагов складывают произведения вероятностей по всем промежуточным состояниям. Поэтому двухшаговая матрица равна P² при обычном матричном умножении, а не при поклеточном возведении в квадрат.

Разобрать с примером

Что означает распределение, которое не меняет шаг Маркова

Стационарное распределение — неотрицательный вектор с суммой один, который удовлетворяет πP=π. При таком старте закон каждого следующего состояния остаётся тем же, хотя отдельная траектория продолжает двигаться.

Разобрать с примером

Темы по порядку

  1. Как таблица переходов задаёт следующий закон состоянияКак читать направления в таблице переходов, проверять сумму каждой строки и получать закон следующего состояния из смешанного начального распределения.
  2. Почему двухшаговый переход суммирует промежуточные состоянияПочему вероятность двух переходов складывается по промежуточным состояниям и чем степень матрицы отличается от возведения её элементов в квадрат.
  3. Что означает распределение, которое не меняет шаг МарковаКак найти неизменный закон состояния по уравнению πP=π, зачем нужна нормировка и почему решение ещё не обещает сходимость из любого старта.
  4. Почему стационарный закон может существовать без сходимости распределенийКак чередование состояний мешает предельному закону при определённом старте и почему это совместимо с существованием стационарной смеси.

Проверьте понимание

В матрице строка А равна (0,6;0,4), строка Б — (0,1;0,9). Начальные вероятности А и Б равны 0,25 и 0,75. Какова следующая вероятность А?

Рассчитать и проверить

Частые вопросы

Почему суммы столбцов здесь не равны единице?

Условие фиксируется строкой. Для каждого исходного состояния нормируются именно вероятности всех выходов из него.

Почему пути можно складывать?

У них различаются промежуточные состояния, поэтому при одном запуске они не происходят одновременно.

Должны ли все стационарные веса быть равными?

Нет. Они зависят от переходов; в разобранной цепи веса 5/7 и 2/7 различны.