多维马氏链预测方法1.docVIP

多维马氏链的预测方法 摘 要：多维马氏链的预测是指从问题的多个侧面、多个属性出发进行的预测，它是一维马氏链迈向多角度的一种推广形式。其关键在于将多维马氏链中多个属性的状态空间转化成为由状态向量来描述系统状态的一维状态空间，从而达到使预测结果更加准确的目的。 关键词：无后效性，状态概率向量，状态转移概率矩阵, 多维马氏链 符号约定 ：离散化的时间 ：描述在时刻时的系统 ：系统可能出现的状态值的个数 ：系统的第个状态值 ：系统的状态空间(由个状态值构成，分别为) ：马尔可夫链的步转移概率 ：马尔可夫链的一步转移概率 ：齐次马尔可夫链的步转移概率 ：齐次马尔可夫链的一步转移概率 ：状态概率向量 ：初始状态概率向量 ：状态转移概率矩阵 ：系统的第个属性 ：描述在时刻时的系统属性 ：系统属性的第个状态值 ：系统属性可能出现的状态值的个数 ：系统属性的状态空间 一、引 言 马尔可夫过程是研究事物的状态及其转移的理论，它既适合于时间序列，又适合于空间序列。一个时间与状态都是离散的马尔可夫过程叫做马尔可夫链，也叫马氏链，它的特点是无后效性。在天文、气象、经济、管理、教育等领域中的很多现象都可以满足马氏链的无后效性，所以说马氏链的应用范围是非常广泛的。一维马氏链的预测主要是针对事物的一个侧面、一个属性对问题进行单方面的估计，但是我们周围的万事万物都是普遍联系着的，决定事物内在性质的因素也是多方面，并非单一的，因此单维马氏链的应用尽管非常广泛，但其预测结果无疑是片面的，说服力不强。如果我们将影响事物内在性质的多个因素都引入到马氏链的预测过程中，使一维马氏链预测转化为多维马氏链预测，这样就可以从多个角度来看待问题，使其预测结果更加准确、更贴近于现实生活。 二、马尔可夫分析法的基本原理 (一)、马尔可夫过程的概念 定义1 按照系统的发展，对每个系统的状态可用随机变量表示，并且对应一定的概率，该概率称为状态概率。当系统由某一阶段状态转移到另一阶段状态时，在这个转移过程中，存在着转移的概率，称为转移概率。如果转移概率只与目前相邻两状态的变化有关，即下阶段的状态只与现在状态有关而与过去无关，那么这种随机转移系统过程，称为马尔可夫过程。 (二)、马尔可夫链的概念 定义2 参数空间和状态空间都是离散的马尔可夫过程称为马尔可夫链。 由于离散集总可以与整数或非负整数对应，所以这种马尔可夫链的参数空间一般可取为，其中称为初始时刻。与时刻对应的习惯上简记为，所以这种马尔可夫链通常表示为 马尔可夫链的状态空间也可取非负整数集，记作，，它可以是有限的或可列的。现设，那么 的含义，就是在时刻，马尔可夫链处于状态。 (三)、马尔可夫链的特点 1．过程的离散性。该系统的发展，在时间上可离散化为有限或可列个状态。 2．过程的随机性。该系统内部从一个状态转移到另一个状态是随机的，转变的可能由系统内部的原先历史情况的概率值表示。 3．过程的无后效性。系统内部的转移概率只与当前状态有关，而与以前的状态无关。即一系统的某些因素在转移中第次结果只受第次结果的影响，与其它结果无关。 亦即对任意非负整数 都有 MACROBUTTON MTPlaceRef \* MERGEFORMAT SEQ MTEqn \h \* MERGEFORMAT ( SEQ MTEqn \c \* Arabic \* MERGEFORMAT 1) 成立，其中。 凡是满足以上三个特点的系统，均可用马尔可夫链研究其过程，并可预测其未来。但是在实际应用中，往往需要知道系统状态的转移状况，这就需要引入转移概率。 (四)、马尔可夫链的转移概率 定义 3 称为马尔可夫链的步转移概率，记作 MACROBUTTON MTPlaceRef \* MERGEFORMAT SEQ MTEqn \h \* MERGEFORMAT ( SEQ MTEqn \c \* Arabic \* MERGEFORMAT 2) 由定义3可以看出，所谓步转移概率，就是已知马尔可夫链在时刻处于状态条件下，经过个时刻，于时刻转移到状态的条件概率。因此，转移概率实际上是一个条件概率，并且具有下述性质 1． 2． 定义 4 当时，被称为一步转移概率，记为。 在实际应用中，大多使用一步转移概率。 定义 5 如果马尔可夫链的步转移概率与无关，则称这个马尔可夫链是齐次的，或时齐的。此时可将记作。特别，一步转移概率就记作。 在下面的讨论中，我们总假定该马尔可夫链是齐次的。 三、多维马氏链的预测方法 (一)、一维马氏链的预测方法 1．假设条件 A．系统满足过程的离散性； B．系统满足过程的随机性； C．系统满足过程的无后效性； D．系统满足过程的齐次性。 2．一维马氏链预测