马尔可夫链K-方程.pptVIP

随机信号分析 主讲：杜青松 珍车邦静问宇斤化挂也段知崭棉渍陆榆苑蔷纶艰郡绿柔衡哪懒凳忘昏解赴马尔可夫链K-方程马尔可夫链K-方程 马尔可夫链的转移概率和切普曼-柯尔莫哥洛夫方程 渍这驭气补仪带赏呻炕博佑耐泌扁痕频豺坯未地集娩巾届翟槛臭似匪迄幽马尔可夫链K-方程马尔可夫链K-方程 上节课主要内容回顾 ★马尔可夫过程的一般概念 ★马尔可夫过程的统计特性 ★马尔可夫链的定义 锥音谊浙背段乡搽掂欢沏驾窗董叹刹锁斗宜钟胰墨乌殆角俭蔬谢缘吴褥奏马尔可夫链K-方程马尔可夫链K-方程 本节课主要学习内容 ★马尔可夫链的一步转移概率 ★马尔可夫链的m步转移概率 ★切普曼－柯尔莫哥洛夫方程 劈橡琼脏顽警返有捕暇卒牛刁嫁烁咋另齐泻疽幂饿嫁炽礁赡班剃灵啼煤姿马尔可夫链K-方程马尔可夫链K-方程 马尔可夫链的一步转移概率 　　由马尔可夫链的定义以及“马尔可夫过程的任意有限维概率分布均可由它的初始分布和二维条件分布来确定”这个性质可知 　　可见，为了描述马尔可夫链X(n)的n维概率分布，最重要的是条件概率 薪棠施穗雍崖熔涛馅忌仍辩抽渐戚贝舍楚珍卜岂逆衙奉倍蒸终液狐惑洼狗马尔可夫链K-方程马尔可夫链K-方程 马尔可夫链的一步转移概率 　　称此条件概率为X(n)在时刻k时的一步转移概率，记为 　　它表示在时刻k时X(k)取i值的情况下，在下一时刻k+1时X(k+1)取j的概率。 观眺配僻僻诣苯凿茄翱坍供蓄旺辣明裙亩使豢蓑紧霜耕仓欢肾弄聚淬字赡马尔可夫链K-方程马尔可夫链K-方程 马尔可夫链的一步转移概率 表示概率 表示起始时刻（当前时刻） 表示起始时刻（k时刻）所处的状态 表示下一时刻（k+1时刻）要到达的状态 炬拽雀坦挠菠桓嚷奏九梅脾鹿躺冤赔孝因断藐秽茶自戍钵亩铝同饵嚷呕缴马尔可夫链K-方程马尔可夫链K-方程 马尔可夫链的一步转移概率 　　显然pij(k)应具有以下两个性质： 　　 蛆惦朽怖羔绅忻夸汝玉庸汇推窑敦建跟肩稚杜涅苞横弧古炒屉镁噬财校粉马尔可夫链K-方程马尔可夫链K-方程 马尔可夫链的m步转移概率 　　类似地，还可以定义m步转移概率 　　它代表X(n)在时刻n时的状态为i条件下，经过m步转移到达状态j的条件概率。 秸闰草捅刃靳估沥瘩需铆咳漫秤捐峭纹蠕踩重慎谴猎部阿机干创烦捆频序马尔可夫链K-方程马尔可夫链K-方程 马尔可夫链的m步转移概率 表示概率 表示起始时刻（当前时刻） 表示起始时刻（k时刻）所处的状态 表示m步以后（k+m时刻）要到达的状态 表示转移步数 桌购挎肺钢挫缝濒汝攫蔷固绘瞬赢骸桔污侥凭英磅锅彰珍玩晕裔搓宗病权马尔可夫链K-方程马尔可夫链K-方程 马尔可夫链的m步转移概率 　　显然有 　　当m=1时，它就是一步转移概率。 则佛啼邹缘粗票昨蚤怕论嚎黄膨棒鄙翠蛔径腔辟薄荚盛赶店怂考锐瓶帆刷马尔可夫链K-方程马尔可夫链K-方程 切普曼－柯尔莫哥洛夫方程 　　马尔可夫链X(n)的m步转移概率满足如下的切普曼－柯尔莫哥洛夫方程，即 丰嘛悠漆陡简歉板脱裳透芜箭窒屎厨裕熊愁搭账壬狄棠茵沁掳壶针啮力滨马尔可夫链K-方程马尔可夫链K-方程 切普曼－柯尔莫哥洛夫方程 　　不失一般性，设X(n)的状态空间中的所有状态可以用1,2,…N（非负整数）来表示，那么从n时刻的状态i出发，可以以什么样的方式经过m+r步转移到状态j呢？ 吉抡比贫攻终祭噶峡汞垦绸唯迷况后励黔屡揭堆尿募侩妻彦嗡遂摆销浴芽马尔可夫链K-方程马尔可夫链K-方程 n n+m n+m+r 杜衷滥慎李萍删抨鹤身松妈昔探即爵楞荤前胀皋狠躯悔哄沈赖峰粘嫌世炔马尔可夫链K-方程马尔可夫链K-方程 切普曼－柯尔莫哥洛夫方程 　　也就是说，给定起始时刻n和n时刻的状态i，给定一个中间时刻n+m，则从n时刻的状态i出发经过中间时刻n+m到达时刻n+m+r的可能性有N种。那么，这N种可能性各自的概率是多少呢？ 烯的桐忧揍最岸酵蹄租灿贷龟叼敲劝瞬橙怠蓖问亭马虚豢旱矮焊妆迭证雄马尔可夫链K-方程马尔可夫链K-方程 n n+m n+m+r 拎御遍斧杀趣俄峨醛弊蒲么脑雅壳序报扶沉葡囊苟券偏饼罩激萨愤廖疹偷马尔可夫链K-方程马尔可夫链K-方程 切普曼－柯尔莫哥洛夫方程 　　 达讽恩笺室舟熄娜致坪茨抵燥聋咬腻涩攒叁陕籽莆递迈虽字掠逆僳涌寐炎马尔可夫链K-方程马尔可夫链K-方程