连续马尔科夫过程的转移概率与应用.docVIP

《随机过程》 课程设计（论文） 题 目: 连续马尔科夫过程的转移 概率及应用 学 院： 理学院 专 业： 应用统计学 班 级： 学 生 姓 名： 张志达 学 生 学 号： 1309050131 2015年 12 月 29 日 摘要 选取 1978 ～ 2009 年四川农村居民人均生活消费值的 32 个样本，首先，通过 Markov 预测法预测未来生活消费水平的增长速度以 10% ～ 20% 的概率较大; 然后，为提高预测精度，在传统 ARMA 模型中加入时间变量 t 进行建模并预测，预测结果表明平均相对误差率 为 1． 56% ，其中 2006 ～ 2009 年的相对误差的绝对值均小于 0． 5% ; 最后，将 Markov 预测和 ARMA 模型对 2010 ～ 2012 年的预测结果对比， 发现两者在生活消费增长幅度上吻合，预测结果可靠。结果表明，在与目前相似的政策力度下，短期内四川省农村居民消费需求将持续 增长，需进一步扩大消费市场。 关键词 农村居民; 生活消费; Markov 预测 目录 TOC \o 1-3 \h \z \u 一.连续马尔科夫过程的转移概率及其应用 4 二.连续时间马尔可夫链基本理论 5 2.1定义 5 2.2转移概率 5 三. 马尔可夫过程研究的问题的分析 7 数据来源与研究方法 7 2.计算状态转移概率矩阵 9 3.结果与分析 10 四 结论和展望 11 五.参考文献 12 六 计算结果及程序 12 一.连续马尔科夫过程的转移概率及其应用 1951年前后，伊藤清建立的随机微分方程的理论，为马尔可夫过程的研究开辟了新的道路。1954年前后， W.费勒将半群方法引入马尔可夫过程的研究。流形上的马尔可夫过程、马尔可夫向量场等都是正待深入研究的领域。 　　类重要的随机过程,它的原始模型马尔可夫链,由俄国数学家Α.Α.马尔可夫于1907年提出。人们在实际中常遇到具有下述特性的随机过程：在已知它目前的状态(现在)的条件下，它未来的演变（将来）不依赖于它以往的演变（过去）。这种已知“现在”的条件下，“将来”与“过去”独立的特性称为马尔可夫性，具有这种性质的随机过程叫做马尔可夫过程。荷花池中一只青蛙的跳跃是马尔可夫过程的一个形象化的例子。青蛙依照它瞬间或起的念头从一片荷叶上跳到另一片荷叶上，因为青蛙是没有记忆的,当现在所处的位置已知时,它下一步跳往何处和它以往走过的路径无关。如果将荷叶编号并用分别表示青蛙最初处的荷叶号码及第一次、第二次、……跳跃后所处的荷叶号码，那么 就是马尔可夫过程。液体中微粒所作的布朗运动，传染病受感染的人数，原子核中一自由电子在电子层中的跳跃，人口增长过程等等都可视为马尔可夫过程。还有些过程（例如某些遗传过程）在一定条件下可以用马尔可夫过程来近似。 　　关于马尔可夫过程的理论研究，1931年Α.Η.柯尔莫哥洛夫发表了《概率论的解析方法》，首先将微分方程等分析方法用于这类过程，奠定了它的理论基础。1951年前后，伊藤清在P.莱维和C.H.伯恩斯坦等人工作的基础上，建立了随机微分方程的理论，为研究马尔可夫过程开辟了新的道路。1954年前后，W.弗勒将泛函分析中的半群方法引入马尔可夫过程的研究中，Ε.Б.登金（又译邓肯）等并赋予它概率意义（如特征算子等）。50年代初，角谷静夫和J.L.杜布等发现了布朗运动与偏微分方程论中狄利克雷问题的关系，后来G.A.亨特研究了相当一般的马尔可夫过程（亨特过程）与 位势的关系。目前，流形上的马尔可夫过程、马尔可夫场等都是正待深入研究的领域。 二.连续时间马尔可夫链基本理论 2.1定义 设随机过程，状态空间,若对任意及非负整数及非负整数有，则称为连续时间马尔可夫链。 2.2转移概率 在s时刻处于状态i，经过时间t后转移到状态j的概率 定义.2 齐次转移概率 (与起始时刻s无关，只与时间间隔t有关)转移概率矩阵 命题：若τi为过程在状态转移之前停留在状态i的时间，则对s, t≥0有 (1) (2) τi 服从指数分布 定理1 齐次马尔可夫过程的转移概率具有： (1) ; (2) (3) 正则性条件 定义3 (1)初始概率: (2)绝对概率: (3)初始分布: (4)绝对分布: 定理2 齐次马尔可夫过程的绝对概率及有 限维概率分布具有下列性质