马尔科夫预测法介绍.ppt

马尔柯夫预测 马尔柯夫（A.A Markov）预测法是应用概率论中马尔柯夫链的理论和方法来研究随机事件变化并借此分析预测未来变化趋势的一种方法。 马尔柯夫链的基本理论 基于马尔柯夫链基本理论的状态预测、 市场占有率预测和人力资源结构预测方法。 §5.1 基本概念 马尔柯夫（A.A Markov 俄国数学家）。 20世纪初，他在研究中发现自然界中有一类事物的变化过程仅与事物的近期状况有关，而与事物的过去状态无关。 例：设备维修和更新、人才结构变化、资金流向、市场需求变化等许多经济行为都可用这一类过程来描述或近似。 所谓马尔柯夫链，就是一种随机时间序列，它在将来取什么值只与它现在的取值有关，而与它过去取什么值无关，即无后效性。具备这个性质的离散型随机过程，称为马尔柯夫链。 概念:状态?? 基本概念4:　状态、状态转移概率、　　　　　　　　　　　状态转移概率矩阵、初始状态概率向量 一、状态与状态变量 状态：客观事物可能出现或存在的状况。 如：商品可能畅销也可能滞销；机器运转可能正常也可能故障等。 同一事物不同状态之间必须相互独立:不能同时存在两种状态。 客观事物的状态不是固定不变的，它可能处于这种状态，也可能处于那种状态，往往条件变化，状态也会发生变化。如某种产品在市场上本来是滞销的，但是由于销售渠道变化了，或者消费心理发生了变化等，它便可能变为畅销产品。 用状态变量来表示状态： 它表示随机运动系统，在时刻 所处的状态为 状态转移：客观事物由一种状态到另一种状态的变化。 　　如：由于产品质量或替代产品的变化，市场上产品可能由畅销变为滞销。 二、状态转移概率 客观事物可能有 共 种状态，其中每次只能处于一种状态，则每一状态都具有 个转向（包括转向自身），即 。 由于状态转移是随机的，因此，必须用概率来描述状态转移可能性的大小，将这种转移的可能性用概率描述，就是状态转移概率。 －－－－－－－－－－－－－ 例： 某地区有甲、乙、丙三家食品厂生产同一种食品，有一千个用户（或购货点），假定在研究期间无新用户加入也无老用户退出，只有用户的转移，已知 2006 年 5 月份有 500 户是甲厂的顾客；400 户是乙厂的顾客；100 户是丙厂的顾客。6 月份，甲厂有400 户原来的顾客，上月的顾客有 50 户转乙厂，50 户转丙厂；乙厂有 300 户原来的顾客，上月的顾客有 20 户转甲厂，80 户转丙厂；丙厂有 80 户原来的顾客，上月的顾客有 10 户转甲厂，10 户转乙厂。 　计算其状态转移概率。 例： 解：由题意得 6 月份顾客转移表 1： 基本概念 三、状态转移概率矩阵 将事件 个状态的转移概率依次排列起来，就构成一个 N行×N 列的矩阵，这种矩阵就是状态转移概率矩阵。 通常称矩阵 P 为 状态转移概率矩阵，没有特别说明步数时，一般均为一步转移概率矩阵。矩阵中的每一行称之为概率向量。 转移概率矩阵的特征?? 三、状态转移概率矩阵及其基本特征 状态转移概率矩阵具有如下特征： （1） （2） 例 设味精市场的销售记录共有 6 年 24 个季度的数据，见表。求味精销售转移概率矩阵。 三、多步状态转移概率矩阵 状态转移概率矩阵完全描述了所研究对象的变化过程。正如前面所指出的，上述矩阵为一步转移概率矩阵。对于多步转移概率矩阵，可按如下定义解释。 定义 3. 若系统在时刻 处于状态 ，经过 步转移，在时刻 处于状态 。那么，对这种转移的可能性的数量描述称为 步转移概率。记为: 并令 称 为 步转移概率矩阵。 多步转移概率矩阵，除具有一步转移概率矩阵的性质外，还具有以下的性质： 例：某经济系统有三种状态 （如畅销、一般、滞销），系统地转移情况见下表，试求系统的二步状态转移概率矩阵。 解：首先是写出一步状态转移 由一步转移概率矩阵求出，由公式 计算得： 四、初始状态概率向量 记 为过程的开始时刻， 则称： 为初始状态概率向量。 已知马尔科夫链的转移矩阵 以及初始状态概率向量 ，则任一时刻的