马尔可夫分析法马尔可夫分析法是俄国数学家马尔可夫在1907年提出, 并由蒙特·卡罗加以发展而建立起的一种分析方法。
它主要用于分析随机事件未来发展变化的趋势, 即利用某一变量的现在状态和动向去预测该变量未来的状态及动向, 以便采取相应的对策。
1马尔可夫过程及马尔可夫链 [3]定义1设随机序列{X(n) ,n=0, 1, 2, …}的离散状态空间为E, 若对于任意m个非负整数n1,n2, …,nm(0≤n1<n2<…<nm) 和任意自然数k, 以及任意i1,i2, …,im,j∈E满足 [3]P{X(nm+k) =j|X(n1) =i1,X(n2) =i2, …,X(nm)=im}=P{X(nm+k) =j|X(nm) =im} (1) [3]则称X(n) ,n=0, 1, 2, …}为马尔可夫链。
[3]在式(1) 中, 如果nm表示现在时刻,n1,n2, …,nm-1表示过去时刻,nm+k表示将来时刻, 那么此式表明过程在将来nm+k时刻处于状态j仅依赖于现在nm时刻的状态im, 而与过去m-1个时刻n1,n2, …,nm-1所处的状态无关, 该特性称为马尔可夫性或无后效性。
式(1) 给出了无后效性的表达式。
[3]2齐次马尔可夫链和k步转移概率 [3]P{X(nm+k) =j|X(nm) =im},k≥1称之为马尔可夫链在n时刻的k 步转移概率, 记为Pij(n,n+k) 。
转移概率表示已知n时刻处于状态i, 经k个单位时间后处于状态j的概率。
若转移概率Pij(n,n+k) 是不依赖于n的马尔科夫链, 则称为齐次马尔可夫链。
这种状态只与转移出发状态i、转移步数k及转移到达状态j有关, 而与n无关。
此时,k 步转移概率可记为Pij(k) , 即 [3]Pij(k) =Pij(n,n+k) =P{X(n+k) =j|X(n) =i},k>0 (2) [3]式中,0≤Ρij(k)≤1,∑j∈EΡij(k)=10≤Ρij(k)≤1,∑j∈EΡij(k)=1。
