pN ,1 p,
p1,N q,
我们可以用通俗的语言来描述马尔可夫性：
我们把“n”看成“现在”，则“n+1”则是“未 来”，小于n的整数看成是“过去”。那么，在 已知现在状态的情况下，将来的随机变化规律和 过去的状态无关。
在现实生活中，有很多随机变量序列都具有马尔 可夫性。一般地，我们将这种具有马尔可夫性的 随机变量序列为马尔可夫链，并把序列中的随机 变量的所有可能取值的集合称该马尔可夫链的状 态空间。
N
j 0, j 1的唯一解.
j1
在现实生活中，我们所探讨的问题的状态可能会 随时改变。一台旧摆钟，它时而准时，时而不准 时。随着时间的变化，它会从“不准时”变成 “准时”状态，经过人为调整后，摆钟又可以从 “不准时”变成“准时”状态。像这种状态随时 间的推移而改变的决策问题就会变得复杂。
马尔可夫性与 马尔可夫链
重点与难点
1.重点
马氏链n步转移概率的确定
2.难点
有限维分布律的计算方法 遍历性问题
马尔可夫过程
具有马尔可夫性的随机过程称为马尔可夫过程。
马尔可夫性(无后效性) 过程或(系统)在时刻t0所处的状态为已知的
条件下,过程在时刻t t0所处状态的条件分布与 与过程在时刻t0之前所处的状态无关的特性称为 马尔可夫性或无后效性。
当状态随着时间的推移而转化时，我们采用马尔 可夫链处理这一类问题。
典型例题
例1 艾伦非斯特(Ehrenfest )模型
设一个坛子装有c个球,它们或是红色的,或 是黑色的.从坛中随机地摸出一个球,并装入一个 另一种颜色的的球, 经过n次摸换, 研究坛中的黑 球数. 解 以Xn,n 1表示第n次摸球后坛中的黑球数.
3 16 2 16 24
