第3章 系统预测5(马尔科夫预测法).pptVIP

马尔科夫预测法 马尔科夫方法的基本原理 案例分析 马尔科夫预测法 马尔科夫预测法是预测技术中一种重要的方法 不需要大量的统计资料，只需近期资料就可进行预测， 既可用于短期预测，也可用于长期预测 马尔科夫方法的基本原理 1、基本概念 2、状态转移概率矩阵 3、稳态概率矩阵 基本概念 基本概念 (1)随机运动系统 如果系统在任何时刻上的状态是随机的，则变化过程就是一个随机过程，这个系统就是随机运动系统 (2)状态随机变量 为了表示一个随机运动系统在变化过程中的状态，可以用一组随时间过程而变化的变量来描述，这个变量称为状态随机变量 (3)马尔科夫链 马尔科夫发现：对于实际存在的随机运动系统 系统在每一时刻(或每一步)的状态，仅仅取决于前一时刻(或前一步)的状态，而与过去的其它状态无关。这个性质称为无后效性 例如，松鼠下一步将处于什么状态(将跳到哪棵树上)，只与它现在所处的状态(现在所处的那颗树)有关，而与它以前的状态(以前曾在的树)无关 具备无后效性的离散型随机过程，称为马尔科夫链，简称马氏链，或称时间和状态均离散的马尔科夫过程 基本概念 (4)状态转移 即状态变化。当系统的变量从一个特定值变化到另一个特定值，就表示系统由一个状态转移到另一个状态，从而实现了状态转移。 (5)转移概率 系统状态的变化（转移）是随机的，用概率来描述系统从某种状态转移到各种状态的可能性大小，这种概率称为状态转移概率，简称转移概率 状态转移概率矩阵的性质 市场占有率预测 背景： 对于某种产品，往往有若干厂家生产。用户购买哪家的产品，会受到消费偏好、厂家的广告宣传和推销活动等多方面的影响。因此，在产品质量基本相同的情况下，可以认为市场的变化带有随机性。如果本期市场占有率仅取决于上期市场占有率及转移概率，转移概率在一定时期内无大的变化，则可用马尔科夫方法预测市场状况。 例 设某产品有三种牌号(商标)在市场上销售。调查得知，本月购买1、2、3种产品的顾客各占0.4、0.3、0.3；顾客选购这三种产品的变化情况如下表所示。试预测第3个月该产品的市场占有率和长期的市场占有率。 解：由已知条件，得本月市场的初始状态向量 一步转移概率矩阵 由此可预测第3个月的市场占有率(本月为第0月)为： 因为一步转移概率矩阵P是正规概率矩阵，所以长期的市场占有率将趋向稳定状态。 设固定概率向量 根据正规概率矩阵的性质有 * ☆10A 【引例 】假设一片树林里共有 n 棵树，一只松鼠随机地从某棵树跳到另一棵树。我们可以把松鼠的运动看作是一个随机运动系统。在时刻 t ，松鼠所在的那棵树，可称为松鼠所处的状态， n 棵树则表示共有 n 个状态。由此，可以引出以下概念。 设有一个随机运动系统处于的状态为 i (i＝1,2,…,n)，它只能在时刻 t ( t＝1,2,…,m)上改变它的状态，则状态随机变量 系统所取状态的集合，称为状态空间 即表示在时刻t，系统处于状态i Xt＝i 转移概率中最重要的是一步(次)转移概率，表示为 其中： pij(1) — 表示系统从状态i到状态j的一步转移概率，“(1)”表示 一步； pij — 表示系统从状态i经过一步转移到状态j的概率； P( Xm+1=j |Xm=i ) — 表示在时刻 m 的系统状态为 i 的条件下，转移到（发生）在时刻 m+1 的系统状态为 j 的条件概率 马尔科夫链的任何 k 步转移概率都可由一步转移概率求出 若系统有n个状态，则系统全部一步转移概率的集合所组成的矩阵，称为一步状态转移概率矩阵，简称状态转移概率矩阵 状态转移概率矩阵 (1)一步状态转移概率矩阵 表示为 ① pij ? 0 i, j=1,2,…,n ② 满足①、②这两个性质的行向量称为概率向量，由概率向量构成的方阵称为概率矩阵 转移矩阵必是概率矩阵 ③如果A和B均是概率矩阵，则AB也是概率矩阵； ④如果A是概率矩阵。则An也是概率矩阵。 状态转移概率矩阵一般是指一步状态转移概率矩阵 实际工作中往往需要预计今后第 k 个时刻系统的状态，需要求出系统的 k 步状态转移概率矩阵 (2)K 步状态转移概率矩阵 记 k 步状态转移概率矩阵为P(k)，则 即系统的k步状态转移概率矩阵可由k-1步状态转移概率矩阵乘上一步状态转移概率矩阵求得，也可由一步状态转移概率矩阵的k次方求得 例 若 则 定义：一个概率矩阵P，若它的某个m(m为正整数)次方Pm的所有元素都为正数(即无负数和0)，则称P为正规概率矩阵。 稳态概率矩阵 (1)正规概率矩阵 例 判断下列矩阵是否为正规概率矩阵。 ① ② 所以， 是正规概率