半马氏链和隐半马氏链模型及应用.PDF

Semi-Markov Chains and Hidden Semi-Markov Models toward Applications Their Use in Reliability and DNA Analysis 半马氏链和隐半马氏链模型及应用 1 第一章 引言 这章引言有两个目的：（1）回答一个基本问题，即这本书上将要讨论的问题是有趣的并且 值得研究；（2）这本书的所讨论的主要特征的全面概述。 1．1 研究的目的 首先，来了解是什么激励我们来研究本书的问题的主要原因。主要的我们回答两个问题。为 什么讨论Markov？为什么只讨论离散时间问题？ 1.1.1.半Markov 模型中潜在的思想 我们知道，有多学者从事于在Markov 过程的领域研究和应用，在过去的50 年的浩瀚 的文献中拥有大量的Markov 过程的应用。许多领域中应用Markov 过程的原因之一是当处 理应用问题时Markov 的前提假设是非常直观和方便，在处理潜在的计算是也相当简单。 人们可以把这些假设概括如下：如果已知一个系统的过去和现在，那么这个系统的将来演 变也仅是有现在的状态所确定的，或者说在一直现状的情况下，过去和将来是条件无关的。 这样，一个系统的过去的历史在未来的进程中无关紧要。这个通常也被称作Markov 过程的 无记忆特性。但是Markov 假设在一个状态的停留时间上施加了严格的限制，即在连续情况 下是指数分布，或在离散情况下是几何分布。在实际应用中，这是应用Markov 过程的主要 弊病。 很自然地，这个Markov 假设将被放松是为了 （1）在任何状态下允许停留时间是任意分布； （2）在更灵活的方式下，仍然拥有Markov 假设。 一个具有这两个性质的过程被称为半Markov 过程。 更明确地说，我们考虑有限状态 E={1,2,…,s}下的随机系统，它在时间上演变是一个随 机过程 Z=(Z ) 。这里我们注意到整个书中所考虑的随机过程是在离散时间中进化。我们 k k ∈N 将利用链来离散时间的随机过程。 当状态在Z=(Z ) 变化时，用S=(S ) 表示连续的时间点，由J=(J ) 表示在这些 n n ∈N n n ∈N n n ∈N (Note:V.S..Barbu,.N..Limnios,.Semi-Markov.Chains.and.Hidden.Semi-M arkov.Models. toward.Applications,.DOI:.10.1007/978-0-387-73173-5.1,.. Springer.Science+Business.Media,.LLC.2008.) 2 时间点记录着所访问的状态。记X =(X ) 为在访问状态的连续的停留时间。那么X = S - n n ∈N n n S ，由习惯记X =S =0。 n-1 0 0 状态 X2 {J =j} 1 Xn-\+ {J =0} X 1 0 1