馬爾可夫過程
馬爾可夫過程
- 目錄
- 1、 什么是馬爾可夫過程
- 2、 馬爾可夫過程的概率分布
- 3、 馬爾可夫過程的應用舉例
什么是馬爾可夫過程
......
1、馬爾可夫性(無後效性)
過程或(系統)在時刻t0所處的狀態爲已知的條件下,過程在時刻t %26gt; t0所處狀態的條件分布,與過程在時刻t0之前年處的狀態無關的特性稱爲馬爾可夫性或無後效性。
即:過程“將來”的情況與“過去”的情況是無關的。
2、馬爾可夫過程的定義
具有馬爾可夫性的隨機過程稱爲馬爾可夫過程。
用分布函數表述馬爾可夫過程:
設I:隨機過程{X(t),tin T}的狀態空間,假如對時間t的任意n個數值:
(注:X(tn)在條件X(ti) = xi下的條件分布函數)
(注:X(tn))在條件X(tn %26minus; 1) = xn %26minus; 1下的條件分布函數)
或寫成:
這時稱過程具馬爾可夫性或無後性,並稱此過程爲馬爾可夫過程。
3、馬爾可夫鏈的定義
時間和狀態都是離散的馬爾可夫過程稱爲馬爾可夫鏈, 簡記爲。
馬爾可夫過程的概率分布
研究時間和狀態都是離散的隨機序列:,狀態空間爲
1、用分布律描述馬爾可夫性
對任意的正整數n,r和,有:
PXm + n = aj | Xm = ai,其中。
2、轉移概率
稱條件概率Pij(m,m + n) = PXm + n = aj | Xm = ai爲馬氏鏈在時刻m處於狀態ai條件下,在時刻m+n轉移到狀態aj的轉移概率。
說明:轉移概率具胡特點:
。
由轉移概率組成的矩陣稱爲馬氏鏈的轉移概率矩陣。它是隨機矩陣。
3、平穩性
當轉移概率Pij(m,m + n)只與i,j及時間間距n有關時,稱轉移概率具有平穩性。同時也稱些鏈是齊次的或時齊的。
此時,記Pij(m,m + n) = Pij(n),Pij(n) = PXm + n = aj | Xm = ai(注:稱爲馬氏鏈的n步轉移概率)
P(n) = (Pij(n))爲n步轉移概率矩陣。
非凡的, 當 k=1 時,
一步轉移概率:Pij = Pij(1) = PXm + 1 = aj | Xm = ai。
一步轉移概率矩陣:P(1)
馬爾可夫過程的應用舉例
設任意相繼的兩天中,雨天轉晴天的概率爲1/3,晴天轉雨天的概率爲1/2,任一天晴或雨是互爲逆事件。以0表示晴天狀態,以1表示雨天狀態,Xn表示第n天狀態(0或1)。試定出馬氏鏈的一步轉移概率矩陣。又已知5月1日爲晴天,問5月3日爲晴天,5月5日爲雨天的概率各等於多少?
解:由於任一天晴或雨是互爲逆事件且雨天轉晴天的概率爲1/3,晴天轉雨天的概率爲1/2,故一步轉移概率和一步轉移概率矩陣分別爲:
故5月1日爲晴天,5月3日爲晴天的概率爲:
又由於:
故5月1日爲晴天,5月5日爲雨天的概率爲:P01(4) = 0.5995