网站大量收购闲置独家精品文档,联系QQ:2885784924

随机过程Ch4_马尔可夫链.pptVIP

  1. 1、本文档共129页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
随机过程Ch4_马尔可夫链

第四章 马尔可夫链 4.1 马尔可夫链与转移概率 定义 设 {X(t),t ?T }为随机过程,若对任意正整数n及t1 t2? tn, P{X(t1)=x1,?, X(tn-1)=xn-1}0,且条件分布 P{X(tn)?xn|X(t1)=x1,?, X(tn-1)=xn-1} = P{X(tn) ? xn|X(tn-1)=xn-1}, 则称{X(t),t ?T }为马尔可夫过程。 ☆若t1,t2,?,tn-2表示过去,tn-1表示现在,tn表示将来,马尔可夫过程表明:在已知现在状态的条件下,将来所处的状态与过去状态无关。 4.1 马尔可夫链与转移概率 常见马尔可夫过程通常有三类: (1)时间、状态都是离散的,称为马尔可夫链 (2)时间连续、状态离散的,称为连续时间马尔可夫链 (3)时间、状态都是连续的,称为马尔可夫过程 (时间离散、状态连续的马尔可夫过程,通常用泛函中二元函数的范数进行研究) 4.1 马尔可夫链与转移概率 随机过程{Xn,n?T }, 参数T={0, 1, 2, ?},状态空间I={i0, i1, i2, ?} 定义 若随机过程{Xn,n?T },对任意n?T和i0,i1,?,in+1 ?I,条件概率P{Xn+1=in+1|X0=i0,X1=i1,?,Xn=in} = P{Xn+1=in+1|Xn=in}, 则称{Xn,n?T }为马尔可夫链,简称马氏链。 4.1 马尔可夫链与转移概率 马尔可夫链的性质 P{X0=i0, X1=i1, ?, Xn=in} =P{Xn=in|X0=i0, X1=i1, ?, Xn-1=in-1} P{X0=i0, X1=i1, ?, Xn-1=in-1} = P{Xn=in|Xn-1=in-1} P{Xn-1=in-1 |X0=i0,X1=i1,?,Xn-2=in-2} P{X0=i0,X1=i1,?,Xn-2=in-2} =P{Xn=in|Xn-1=in-1}P{Xn-1=in-1 |Xn-2=in-2} P{X0=i0,X1=i1,?,Xn-2=in-2} 4.1 马尔可夫链与转移概率 =? =P{Xn=in|Xn-1=in-1}P{Xn-1=in-1 |Xn-2=in-2} ? P{X1=i1|X0=i0}P{X0=i0} 马尔可夫链的统计特性完全由条件概率P{Xn+1=in+1|Xn=in}确定。 4.1 马尔可夫链与转移概率 定义 称条件概率pij(n)= P{Xn+1=j|Xn=i} 为马尔可夫链{Xn,n?T }在时刻n的一步转移概率,简称转移概率,其中i,j?I。 定义 若对任意的i,j?I,马尔可夫链{Xn,n?T }的转移概率pij(n)与n无关,则称马尔可夫链是齐次的,并记pij(n)为pij。 齐次马尔可夫链具有平稳转移概率, 状态空间I={1, 2, 3, ?},一步转移概率为 4.1 马尔可夫链与转移概率 转移概率性质 (1) (2) P称为随机矩阵 Markov过程 状态为已知的条件下, 过程在时刻t>t0所处状态的条件 分布与过程在时刻t0之前所处的状态无关. 无后效性亦称马尔可夫性. 无后效性是说,在已知过程 “现在”的条件下, 过程的“将来”与过程的“过去”无关,只 与“现在”有关. 如何辨识马尔可夫过程? 1.若{X(t),t∈T}是一独立随机过程,且对于n个t1,t2,…, tn∈T,随机变量X(t1),X(t2),…,X(tn)总体独立,则{X(t), t∈T}是马尔可夫过程. 因为由条件,随机事件X(t1)=x1,X(t2)=x2,…,X(tn)=xn, X(t)≤x相互独立,故有P{X(t)≤x|X(t1)=x1,X(t2)=x2,…, X(tn)=xn}=P{X(t)≤x}=P{X(t)≤x|X(tn)=xn}. 类似以上的讨论,还有 Markov过程 2. 设状态空间I为实数集合R,{Y(n),n≥1}是独立随机序 列,令X(1)=Y(1),X(n)= Y(k),则{X(n),n≥1}是马尔可 夫过程. 3. 若{X(t),t∈T}是一独立增量过程, 且P{X(0)=x0}=1( 是常数),则{X(t),t∈T}是马尔可夫过程. 马尔可夫链的概念. 泊松过程,维纳过程都是时间连续的马尔可夫过程. 4. 马尔可夫过程{Xn,n∈T}的参数集T={0,1,2,…},状态 集I=

文档评论(0)

panguoxiang + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档