应用随机过程课件.ppt

第六节 马氏链模型 6.1 基本应用实例 6.2 健康与疾病 6.3 钢琴销售的存储策略 马氏链模型 系统在每个时期所处的状态是随机的 从一时期到下时期的状态按一定概率转移 下时期状态只取决于本时期状态和转移概率 已知现在，将来与过去无关（无后效性） 描述一类重要的随机动态系统（过程）的模型 马氏链 (Markov Chain) ——时间、状态均为离散的随机转移过程 * 某计算机房的一台计算机经常出故障,研究者 每隔15分钟观察一次计算机运行状态,收集了24小 时的数据 (共作97次观察) . 用1表示正常状态, 用0 表示不正常状态, 所得的数据序列如下:试求一步转移概率矩阵。 1110010011111110011110111111001111111110001101101 分析 状态空间: I={0, 1}. 例1 111011011010111101110111101111110011011111100111 6.1 基本应用实例 * 96 次状态转移的情况: 因此, 一步转移概率可用频率近似地表示为: * 特点: 用行向量表示为 一维分布由初始分布和 转移概率矩阵决定 * 由以上讨论知,转移概率决定了马氏链的运动的统计规律. 因此, 确定马氏链的任意n步转移概率成为马氏链理论中的重要问题之一. * 设每一级的传真率为 p, 误码率为