马尔科夫过程
来源:互联网 发布:js数组合并去重 编辑:程序博客网 时间:2024/06/11 17:44
1. 全概率公式
用途说明:对复杂事件A的概率求解简化为各情况下发生简单事件的概率之和
定义:完备事件组B1、B2、B3…….Bn,事件相互独立,且任意P(Bi)>0,则事件A发生的概率:
P(A) = P(A|B1)P(B1) + P(A|B2)P(B2) + … + P(A|Bn)P(Bn)
or
p(A)=P(AB1)+P(AB2)+…+P(ABn)).(其中A与Bn的关系为交)
2. 马尔科夫过程
定义:马尔科夫链是一种随机事件序列,未来的取值只与当前取值有关,与历史取值无关,是一种离散型的随机过程。
状态变量表示:
时刻 t 的状态 i : Xt = i ( i = 1,2,3……N,t = 1,2,3……N)状态转移概率:
a. 状态集:E1,E2 ……En
状态随机且相互独立,每个时刻只能处于一种状态,每个状态都具有 n 个转向
b. 状态 i 到状态 j 的转移概率表示:
Pij = P(Ej|Ei) = P(Ei->Ej) = P(Xn+1=j|Xn=i)
c. 条件概率就是状态转移概率
P(A|B): 由状态 B 向状态 A 转移的概率
d. 状态转移概率矩阵
多步状态转移概率矩阵
a. 定义:t0 时刻的状态 i 经过n步转移到t1时刻的状态j,记作
b.多步状态转移概率矩阵
初始状态概率向量
定义 t0 为状态开始时刻, Pi(0) = {(X0 = X(t0) = i)} 为 t0 时刻的状态概率,
则 P(0) = (p1(0),p2(0),p3(0)……pN(0))
即:P(K) = (p1(K),p2(K),p3(K)……pN(K))平稳分布
a. 定义:设 X=(x1,x2, …,xN) 为一状态概率向量, P为状态转移概率矩阵,若 X P = X,即
则称X是该马尔科夫链的平稳分布。
b. 有穷状态的马尔科夫链一定存在平稳分布,且过程中某时刻的状态概率向量 P(k) 为平稳分布,则过程处于平衡状态,过程一旦达到平衡状态,将永久保持。
c. 正规概率矩阵:设 P 为概率矩阵,且存在 m>0,使 P的m步转移矩阵中诸元素皆非负非零。则称 P 为正规概率矩阵。稳态分布
a. 定义:经过n步状态转移,最后形成的概率向量始终不变,则该向量为稳态分布,且此时与初始状态概率向量无关。
b. 存在稳态分布的马尔科夫链一定是平稳分布,且状态转移概率矩阵式正规概率矩阵的马尔科夫链,一定存在稳态分布和平稳分布,且稳态分布与平稳分布相同且唯一。
- 马尔科夫过程
- 马尔科夫过程
- 马尔科夫过程
- Markov过程(马尔科夫过程)
- 随机过程_马尔科夫过程_马尔科夫链
- 连续时间马尔科夫过程
- 重温马尔科夫随机过程
- 马尔科夫决策过程
- 【十六】马尔科夫决策过程
- 马尔科夫过程详解
- hdu1204(马尔科夫过程)
- 过程
- 过程
- 过程
- 过程
- 过程
- 过程
- 过程
- JPOS学习第一节
- iOS中的中文乱码问题,关于NSString中文转化为wchar_t
- Hadoop2.2.0已经遗弃的属性名称
- 第11周项目-阅读程序,写结果4
- Apache Hadoop YARN架构简介
- 马尔科夫过程
- JetBrains IntelliJ IDEA for Mac 15.0 破解版 – Mac 上强大的 Java 集成开发工具
- 【4】Java并发编程:多线程中的缓存一致性和CAS
- Java定义一个用来保存全局字符串的properties文件并用ResourceBundle读取它
- 智能手机怎样才能不会被定位追踪?
- Identity service-ERROR
- 【HDU】 1719 Friend
- Java解释器模式
- 链表面试题之快慢指针问题(一) 查找链表中间节点