马尔可夫链建模法.pdf

马尔可夫链建模法 1 马尔可夫链基本理论和结论 2 服务网点的设置问题 3 常染色体遗传模型 3 常染色体遗传模型 4 常染体隐性疾病模型 马尔可夫链的应用 预备知识：马尔可夫链 随机过程：设{ ,t T }是一族随机变量，T是一个实数集合， t t T 若对任意的实数 ， 是一个随机变量，则称 t { ,t T } 为随机过程。 t 例一 在一条生产线上检验产品质量，每次取一个，废品记为1 合格品记为0 。以 表示第n次检验结果，则 是一个随机 n n 变量. 不断检验，得到一系列随机变量，  , , { , n 1,2,} 1 2 n 记为 n 它是一个随机序列，其状态空间为E={0 ，1} 例二：在m个商店联营出租相机业务中（顾客从其中一个商店租出 可以到m个商店中的任意一个归还）规定一天为一个时间单位  j 表示第t天开始时照相机在第j 个商店,j=1,2,…..m. t 则 { , n 1,2,} 是一个随机序列，其状态空间为 n E={1,2,…….m} 例3 ： 某商店每月考察一次经营情况，其结果用销路好或坏这 两种状况中的一种表示。已知若果本月销路好，下月任 保只这种状况的概率为0.5 ；如果本月销路坏，下月转变 为销路好的概率为0.4，试分析假若开始时商店处于销路 好的状态，过若干月后能保持销路好的概率有多大？如果 开始是处于销路坏呢？ X 1表示销路好，X 2表示销路坏 n n ,n=0,1,2,……….. X 称为这个经营系统的状态 n 用a (n)表示第n 月处于状态i 的概率(i 1,2), 即a (n) P (X i), i i n p ij 表示本月处于状态 i ，下月转为状态的j 概率(i 1,2, , j 1,2) 即p ij P (X n 1 j | X n i) a (n)称为状态概率, p 称为转移概率, 这里X 只取决于X 和p , i ij n 1 n ij 和X n 1 , X n 2 ...无关 称为无后效性，由此，更椐全概率公式容易得到 (  1) ( )  ( ) a 1 n a 1 n p 1 1 a 2 n p 1 2 (  1) ( )  ( ) a 2 n a 1 n p 2 1 a 2 n p 2 2 因为知道p 1 1 0 .5 ,