转移矩阵马尔夫链.docVIP

转移概率矩阵 转移概率矩阵（又叫跃迁矩阵，英文名：transition matrix）是俄国数学家马尔科夫提出的，他在20世纪初发现：一个系统的某些因素在转移中，第n次结果只受第n-1的结果影响，即只与当前所处状态有关，而与过去状态无关。 在马尔科夫分析中，引入状态转移这个概念。所谓状态是指客观事物可能出现或存在的状态；状态转移是指客观事物由一种状态转移到另一种状态的概率。 例如对应于一个天气预报的问题，若天气状态转移概率表如左下： （其中列表示今天的状态，行表示明天的状态。注意每一列之和为1，因为已假设明天仅这三种状态。） ??图1.天气转移概率矩阵 明/今 晴 阴 雨 晴 3/4 1/2 1/4 阴 1/8 1/4 1/2 雨 1/8 1/4 1/4 写作矩阵形式为图1所示。 其中转移矩阵 A的每一个元素都表示从今天的一种状态到明天的一种状态的概率，例如，第2行第3列的值为1/2，这表示今天下雨而明天转阴的概率是1/2。 称A为转移矩阵。 马尔可夫链 1原理简介 马尔可夫链（Markov Chain），描述了一种状态序列，其每个状态值取决于前面有限个状态[1]?。马尔可夫链是具有马尔可夫性质的随机变量的一个数列。这些变量的范围，即它们所有可能取值的集合，被称为“状态空间”，而 的值则是在时间n的状态。如果对于过去状态的条件概率分布仅是 的一个函数，则