高阶Markov链转移概率规律一种新表示法.pdfVIP

应 用 数 学 MATHEMATICA APPLICATA 2015．28(1)：158—164 高阶Markov链转移概率规律一种新表示法 李俊海 (河南工业大学，河南 郑州 450001) 摘要：在许多应用领域 ，高阶Markov模型正成为研究长期相关性 的重要工具之一． 为 了克服现有高阶Markov模型不能从事动态规律研究这一缺点，讨论从初始状态 到任意给定期状态转移概率的表示方法，方便动态数据分析．另外，也给 出平稳分布 的表达式，为稳态研究提供工具．由于研究结果与一阶Markov链的情况类似 ，极大 地降低 了高阶Markov链应用于各领域时的难度． 关键词：高阶Markov链 ；转移概率；平稳分布 中图分类号：O211．62 AMS(2000)主题分类 ：60110 文献标识码 ：A 文章编号：1001-9847(20l5)01-0158～07 1．前言 Markov过程是描述动态随机现象的重要工具之一．然而，传统一阶Markov模型假设将 来的概率结构与当前状态有关，而与过去无关．事实上，许多动态变量的发展总是与最近多期 状态相联系，传统 Markov模型狭隘的一阶无后效性假设与实际情况不符．若用一阶Markov 模型刻画较为复杂的问题时 ，仅能描述粗糙的关系 ，且分析效果较差． 为此，Raftery[1985年首先提出高阶Markov的概念 ：设L一 {L。，L ，L ，…)是取值集 合 E一 {1，2，…，m)的一个随机序列，对任意 t≥r／，若 Pr(L = 『LH —ZH ，L 2一z2，…，L0= zo) 一 Pr(L 一 ZlL 1— l，L 2一 z2，…，L… 一z ) 对任意 ，l “， ∈E恒成立，则称随机序列L是一个 阶(齐次)Markov链 ．即如果时间动 态变量仅与最近 个历史状态有关 ，而与更早 的状态无关 ，有时也称为 n阶无后效性．由于高 阶Markov模型突破 了传统模型 中只有前后相邻变量才依存的限制，极大地拓展 了Markov 模型的应用领域．例如，在动态波动研究领域，Shamshad[2等利用 2阶Markov链对风速序列 波动性进行了研究分析，得到较好的拟合结果．2004年Ching 等在 Raftery[1]研究基础上，放 宽了原模型中转移矩阵相等的限制，以求更接近真实情况而获得 良好的效果．为了减少参数， 两位作者均采用递推公式描述 L的概率规律：假设Pr(L一 )一丌：，则随机变量L 的概率分布 * 收稿 日期 ：2014—04—01 基金项 目：国家 自然科学基金 ，河南省教育厅科技学术基金 (12B11OOO3)，河南郑州市科技 局 自然科学基金 作者简介：李俊海，男 ，汉族，河北人，副教授，研究方向：风险理论，非寿险精算． 第 l期 李俊海：高阶Markov链转移概率规律一种新表示法 159 列为 X 一 (rri，7r5，…，7l)，则对任意的 ≥ 1， _ 三 _÷ x l一 x 卜卜l—iQ ，t一 ， + 1，… ’ (1) f一 1 其中，≥0称为高阶系数，满足条件∑ ，一1，m阶方阵Q称为 步转移概率矩阵，其元素 q 表示概率 Pr(L件 =z件 JL，一z)．该模型需要估计 +栅 。个参数．Ching。等提出以频率 估计 QJ并用规划方法估计 ，然而该方法估计参数较为困难．又因为估计方法 以平稳分布为 基础 ，状态空间E的频率分布即为最终分布 ，因此不能再从估计 的模型中讨论平稳分布，失去 了动态长期预测的意义． 为了克服这一缺点，荣腾中和 肖智 通过高阶Markov链状态空间阶数重构，推导 出重构 状态空间上的降阶Markov模型：令 ==={L ，L 井 ，…，L)，其状态 一 (，iz，…，)是 空间E 的一个点，这里E 是-／／个集合E进行 “