4系统预测5-马尔可夫预测.pptVIP

4.6 马尔可夫预测 一、Markov预测原理 1、Markov过程 状态与状态转换 若对研究对象考虑一系列随机试验，其中每次试验的结果如果出现在有限个两两互斥的事件集 E={E1,E2,…,En} 中，且仅出现其中一个，则称事件Ei∈E为系统的状态。若事件Ei出现，则称系统处在状态Ei。 状态是研究对象随机试验样本空间的一个划分，系统可能在不同状态之间相互转换。 一、Markov预测原理 Markov过程 现实中有这样一类随机过程，在系统状态转移过程中，系统将来的状态只与现在的状态有关，而与过去的状态无关。这种性质叫做无后效性，符合这种性质的状态转移过程，叫作马尔可夫过程。 时间和状态都离散的一系列马尔可夫过程的整体又称为马尔可夫链。 2、状态转移概率矩阵 设系统共有N个状态，记作S1，S2，…，SN，则用状态向量［S1，S2，…,SN］T表示。设在tn-1时刻系统处在Si状态之下，tn时刻系统状态变为Sj，则称在第n次状态转移中，系统由状态Si转移到Sj，且这种状态转移的概率记为 p{xn=Sj|xn-1=Si} pij (i,j=1,…,N；n=1,2,…) 这里pij与n无关，只与i,j有关，即只与转移前后的状态有关，称为马尔可夫链的一步转移概率。 例1：出租公司车站租、还车一步转移概率。