- 1、本文档共12页,可阅读全部内容。
- 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、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、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)。
查看更多
马尔科夫过程
第一节 随机过程的概念
随机系数
必然事件
自然界中出现的事件分为 不可能事件
随机事件
事物的变化过程 必然过程
随机过程
必然过程:有确定的变化形式,可以用精确的数学关系式来描述。如
随机过程:没有确定的变化形式,只能用随机函数来描述。例如:在24h内对某电网的负荷进行几天的观测,如下图所示:
随机系数:观测对象随时间的变化时不确定的,用表示。
现实:每次观测得到一个具体的系数,称为随机系数的一个“现实”。如: 参数。是随机变量,称为过程的参数,其所有可能的集合为“参数空间”或“时间空间”。
状态:随机函数在时刻的值,称为在时的状态。则所有可能的集合称为“状态空间”。
随机系数的分类
时间(分数)离散,状态空间离散
时间(分数)连续,状态空间连续
时间(分数)离散,状态空间连续
时间(分数)连续,状态空间离散
其中(1)与(4)研究的较多
随机系数的概率分布
当,时,的分布与历史时的关系,即根据过程的历史来确定的分布:
用条件概率来描述:(简化成)
(1)
若在特定的情况下,的分布与过去的历史无关,则
称为过程独立(无记忆过程)。
若的分布只与过去的一部分历史有关,如只与最近一次时间的状态有关,而与以前所有时刻的状态都是无关,即
第二节 马尔科夫链
概述
将参数和状态空间都是系数的马尔科夫过程称为马尔科夫链。即为的概率分布,表明:只与有关。
为了方便,将现在的状态记为,未来时刻的状态记为,则上式可写成(从状态转移到状态)
条件概率称为过程从状态过渡到状态的转移概率。若=常数,则称此马尔科夫链式是时间齐次的,是在一步中完成从状态转移到状态的概率,称为一步转移概率。
若从到转移需要在步内完成,则步转移概率为:
例3-1:某人练习射击,如果他未击中,下次击中的概率有1/2。但若第一次击中(而提高了信心),则下一次击中的概率就会增到3/4。现设他第一次击中失败,求第3.、3、4、5次击中的概率是多少?
解:这是一个具有双状态的离散马尔科夫过程。
“0”——成功,“1”——失败,两状态之间的转移可用图3-2表示
图3—2 状态转移图
图3—3 过渡特性
(第二步)
表3—1 各步状态概率
步数
“1”的概率
“0”的概率
1
0.5
0.5
2
1/4+1/8=0.375
1/4+3/8=0.62
3
0.344
0.656
4
0.336
0.664
总结:
设第0步的状态为1;
经有限步后的状态概率见表3—1;
图3—3的曲线描述了状态概率的过渡特性;
当步数增大时,状态概率趋于某一稳定值,且与初始状态无关。
2、转移矩阵和转移方程
接例3—1(射击)
转移概率可写成矩阵形式(两状态):
若状态数为时,一步转移概率的矩阵形式:
—是状态转移的概率矩阵,简称“转移矩阵”。
—称为从状态到状态的一步转移概率。
因此:
即:每行,的所有状态概率之和
二步转移概率:
步转移概率:,式中
—为可能的状态数(参见射击图)
称为马尔科夫方程或状态转移方程
步转移矩阵:
设某一系统或元件具有个状态,则其初始状态概率用一个概率向量表示:
则步后的状态概率向量:
—步后系统的状态概率行向量
— 一步转移矩阵的次方
在例3—1中
一步转移矩阵为:
二步转移矩阵为:
若给定过程从初始状态“1”出发,则初始状态的概率向量:
两步后的状态概率向量:
说明:当初始状态为“1”时经两步后,处于“0”的概率为5/8=0.625,处于“1”
的概率为3/8=0.375。
当在第6、12步后,转移矩阵
即时,中的每一行都趋于同一稳定的转移概率向量
再增大值时,此值不变,无论初始状态是“0”,还是“1”。
根据上述特点,下面关系成立:
即:稳态下,再转一步,不变!
直接求稳定状态的转移概率
由于:
则:
上述两式相同,故取其中一个等式
又因为
联立解得:
第三节 时间连续、状态离散的马尔科夫过程
概述
令,则转移概率可表示:
(3—3)
若与无关,而只与过渡时间有关,则为“齐次马尔科夫过程”,则式(3—3)可写成:
(3—4)
和
(3—5)
式中:——在内从状态转移到状态的概率
——在内从转移到状态的概率
、 ——转移出度(常数)
上式可用图3—4来表示:
图3—4 状态转移图
则:,
转移矩阵和转移出度矩阵
设为元件故障率,为故障修复率,则双态马尔科夫模型:
图3—5
此处转移出度:或,为常数
转移(概率)矩阵:
文档评论(0)