5.2齐次尔可夫链.docVIP

第二节 齐次马尔可夫链 　　一、齐次马尔可夫链的概念 　　Xn，n＝0，1，2，…｝就是一族随机变量，而Xn能取的各个不同的值，则称为状态。如果一个随机过程｛Xn，n＝0，1，2，…｝，由一种状态转移到另一种状态的转移概率只与现在处于什么状态有关，而与在这时刻之前所处的状态完全无关，即如果过程｛Xn，n＝0，1，2，…｝中，Xn+1的条件概率分布只依赖于Xn的值，而与所有更前面的值相互独立，则该过程就是所谓马尔可夫(Markov)过程． 　　u时刻处于状态i，转移到t＋u时刻处于状态j的转移概率与转移的起始时间u无关，则称之为齐次马尔可夫链，简称齐次马氏链。 　　i到状态j的一步转移概率记为pij，则pij＝P｛Xn+1＝j｜Xn＝i｝，i，j＝0，1，2，…，且有转移概率矩阵P， 　　P以及在时刻零时状态x＝0，1，2，…的概率分布列向量 Q＝(q(0)，q(1)，…) 　　i状态的行向量Ai与第i＋1状态的行向量Ai+1之间存在着关系式：Ai+1＝AiP。 　　二、齐次马氏链在评估教学质量中的应用 　　(个体)，在同时接受新知识时是随机的。我们可以把一个班(群体)的学生划分为不同的等级(譬如：优、良、中、及格、不及格五个等级)，近似地认为处于同一等级的学生具有相同的基础知识，用齐次马氏链，通过学生学习状态的转移概率矩阵，最终可以预测一个班学生学习成绩的稳定状态。对教师而言，