馬爾可夫過程(Markov Process)
什麼是馬爾可夫過程
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 > t0所處狀態的條件分佈,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:將來只和現在有關,與過去無關
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。
用分佈函數表述馬爾可夫過程:
設I:隨機過程{X(t),t\in T}的狀態空間,如果對時間t的任意n個數值:
(注:X(tn)在條件X(ti) = xi下的條件分佈函數)
(注:X(tn))在條件X(tn − 1) = xn − 1下的條件分佈函數)
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 。
馬爾可夫過程的概率分佈
研究時間和狀態都是離散的隨機序列:,狀態空間爲
1、用分佈律描述馬爾可夫性
對任意的正整數n,r和,有:
PXm + n = aj | Xm = ai,其中。(Xm+n只與Xm有關,與之前無關)
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。
n步轉移概率與一步轉移概率的區別是什麼?難道一個是從0到1,一個是從0到第n個狀態?