第七章节马尔柯夫预测法(经济预测跟决策-兰州大学,刘书琪)资料.pptVIP

经济预测与决策 第七章 马尔柯夫预测法 本章学习目的与要求 通过本章的学习，了解马尔柯夫预测法的基本概念，运用马尔柯夫预测法进行市场销售预测、市场占有率预测。 本章学习重点和难点 重点是运用马尔柯夫预测法进行市场销售预测、市场占有率预测。 难点是稳定状态市场占有率预测。 本章内容提示 第一节 马尔柯夫过程分析的基本原理 第二节 马尔柯夫预测法的分析步骤 第三节 市场占有率预测 马尔柯夫预测法 马尔柯夫预测法是应用概率论中马尔柯夫链的理论和方法研究分析有关经济现象的现状及变化规律，并籍此预测未状况的预测方法。 马尔柯夫过程 对于一个系统，在由一种状态随机地转移至另一种状态的转移过程中，存在着转移概率，这种转移概率可以依据其前一种状态推算出来，而与该系统的原始状态和此次转移以前的有限次或无限次转移无关，系统的这种由一种状态至另一种状态的转移过程为马尔柯夫过程，其整体转移过程称为马尔柯夫链。 马尔柯夫分析 对于某一预测对象的马尔柯夫过程或马尔柯夫链的运动、变化进行研究分析，进而推测预测对象的未来状况和变化趋势的工作过程，称为马尔柯夫分析。 第一节 马尔柯夫过程分析的基本原理 一、概率向量 二、概率矩阵 三、系统的稳定状态 四、状态转移概率矩阵 一、概率向量 任意一个行向量U，如果内部各元素均非负，并且总和为1，则此向量称为概率向量。 概率向量中的各元素，可以用整数 、分数、小数或百分数表示。 二、概率矩阵 在一个n?n矩阵P中，对于任意一个元素Pij均有Pij?0(i=1，2，……，n；j=1，2，……，n)。并且Pi1+Pi2+……+Pin=1，则矩阵 P 叫做概率矩阵。即，由概率行向量构成的方阵。 概率矩阵性质： 1.如果A和B皆为概率矩阵，则乘积AB亦为概率矩阵。从而推论P的m次方幂Pm也是概率矩阵。 概率矩阵性质： 2.若概率矩阵P的有限次方幂Pm的所有元素均为正（非零非负），则P为正规概率矩阵。 如概率矩阵：A2及Am（m?2）中各元素均为正值，所以A为正规矩阵。但是，如果Am中有为零的元素存在，则A不是正规概率矩阵。 概率矩阵性质： 3.任意非零行向量U=（u1，u2，……，un），乘以某一方阵A所得的结果仍然为U，则称U为方阵A的固定点，或固定向量。记作UA=U。 对于正规概率矩阵P和概率向量U，如果UP=U成立，则称U为P的固定概率向量。并且P只有一个固定概率向量。 例 设P的固定概率向量为 U=（x 1-x）， 则有：UP=U， 所以U=（1/3 2/3），为P的唯一的固定概率向量。 三、系统的稳定状态 一个马尔柯夫链如果是正规的，根据以上讨论可知，通过状态转移可以使系统达到某一稳定状态。在这种情况下，处于状态i的概率如用Si表示，则系统整体的状态可用下面的概率向量来表示： S=（S1，S2，……，Sn） 系统的稳定状态 系统的稳定状态是指系统即使再经过一步状态转移，其状态概率仍保持不变的状态。 即：SP=S 式中：P是反映状态转移的正规概率矩阵，S称为对P的稳定状态概率向量。若知正规概率矩阵P，就可以根据以上关系式求出系统的稳定状态概率向量S。 求稳定状态概率向量 若已知概率矩阵 所求的稳定状态概率向量S=（S1，S2，……，Sn）。 根据公式有： 根据公式有： 并且S1+S2+……+Sn=1 从而有： P11S1+P21S2+……+Pn1Sn=S1 P12S1+P22S2+……+Pn2Sn=S2 … … … … … … P1 nS1+P2 nS2+……+Pn nSn=Sn S1+S2+……+Sn=1 由前n个方程中去掉一个不独立的方程，求解联立方程组，解得S1、S2、……、Sn。 四、状态转移概率矩阵 如果系统的状态共有n个，系统的状态i一次转移到状态j的概率为Pij，则系统一次转移概率的全体组成一个矩阵，称为状态转移概率矩阵，记为：P。 矩阵的每一行为一概率向量，它表示由状态i转移到其它状态的概率。 多步转移概率矩阵 如果系统的状态不止经过一次转移，而是经过多次转移，则可用多步转移概率矩阵来描述。设系统的状态经过K次转移，则用K步转移概率矩阵来描述。 设K步转移概率矩阵为P（K）， 即： 由定义可知： P（K）=P（K-1）P =P（K-2）P2 =P（K-3）P3 …… =P（K-K+1）PK-1 =PPK-1 =PK 即，K步转移概率矩阵就是一步转移概率矩阵的K次方。 S（K）的计算 设系统互不相容的状态有n个，系统的初始状态用概率向量S（0）表示，则： 经过