马氏链模型及matlab程序.docxVIP

一、用法，用来干什么，什么时候用 二、步骤，前因结果，算法的步骤，公式 三、程序 四、举例 五、前面国赛用到此算法的备注一下 马氏链模型 用来干什么 马尔可夫预测法是应用概率论中马尔可夫链（Markovchain）的理论和方法来研究剖析时间 序列的变化规律，并由此预测其未来变化趋势的一种预测技术。 什么时候用 应用马尔可夫链的计算方法进行马尔可夫剖析，主要目的是根据某些变量现在的情 况及其改动趋向，来预测它在未来某特定区间可能产生的改动，作为提供某种决议的依 据。 马尔可夫链的基来源理 我们知道，要描绘某种特准时期的随机现象如某种药品在未来某时期的销售情况，比方 说第n季度是热销仍是滞销，用一个随机变量Xn便能够了，但要描绘未来所有时期的情况， 则需要一系列的随机变量X1，X2，?，Xn，?．称{Xt，t∈T，T是参数集}为随机过程，{Xt} 的取值会合称为状态空间．若随机过程{Xn}的参数为非负整数，Xn为离散随机变量，且{Xn} 拥有无后效性（或称马尔可夫性），则称这一随机过程为马尔可夫链（简称马氏链）．所谓 无后效性，直观地说，就是如果把{Xn}的参数n看作时间的话，那么它在将来取什么值只 与它现在的取值相关，而与过去取什么值无关． 对拥有N个状态的马氏链，描绘它的概任性质，最重要的是它在n时刻处于状态i下一 时刻转移到状态j的一步转移概率： P(Xn1j|Xni)pij(n)i,j1,2,,N 若假设上式与n无关，即pij(0)pij(1)pij(n)，则可记为pij（此时，称过 程是平稳的），并记 p 11 p 12 p 1N P p 21 p 22 p 2 N （1） p N 1 p N 2 p N N 称为转移概率矩阵． 转移概率矩阵拥有下述性质： （1）pi0,i,j1,2,,N．即每个元素非负． j N （2）piN i1,1,2,, j j1 ．即矩阵每行的元素和等于1． 如果我们考虑状态多次转移的情况，则有过程在n时刻处于状态i，n+k时刻转移到状 态j的k步转移概率： P(X (k) nj|X)p(n)i,j1,2,, knij i N 同样由平稳性，上式概率与n无关，可写成(k) p．记 ij (k p 11 ) (k) p 12 (k) 1N p (k)(k)(k) ppp (k)21222N P（2） (k) N1 p p (k) N2 (k N p ) N 称为k步转移概率矩阵．其中(k) p拥有性质： ij (k) pi0,,1,2,, ij j N N (k) ；pi1,i1,2,,N j j1 ． 一般地有，若P为一步转移矩阵，则k步转移矩阵 (k) 11 p (k p 12 ) (k) 1N p (k)(k)(k) ppp (k)21222N P（3） (k) N1 p (k) p N2 (k) p NN （2）状态转移概率的估算 在马尔可夫预测方法中，系统状态的转移概率的估算特别重要．估算的方法往常有两种： 一是主观概率法，它是根据人们长久积累的经验以及对预测事件的认识，对事件发生的可能 性大小的一种主观估计，这种方法一般是在缺乏历史统计资料或资料不全的情况下使用．二 是统计估算法，现经过实例介绍如下． 例3记录了某抗病毒药的6年24个季度的销售情况，获得表1．试求其销售状态的转 移概率矩阵． 表1某抗病毒药24个季度的销售情况 季度销售状态季度销售状态季度销售状态季度销售状态 11(热销)71(热销)131(热销)192(滞销) 21(热销)81(热销)141(热销)201(热销) 32(滞销)91(热销)152(滞销)212(滞销) 41(热销)102(滞销)162(滞销)221(热销) 52(滞销)111(热销)171(热销)231(热销) 62(滞销)122(滞销)181(热销)241(热销) 剖析表中的数据，其中有15个季度热销，9个季度滞销，连续出现热销和由热销转入 滞销以及由滞销转入热销的次数均为7，连续滞销的次数为2．由此，可获得下面的市场状 态转移情况表（表2）． 表2市场状态转移情况表 下季度药品所处的市场状态 1（热销）2（滞销） 1（热销）77 本季度药品所 处的市场状态2（滞销）72 现计算转移概率．以频次代替概率，可得连续热销的概率： p 11 连续出现热销的次数 出现热销的次数 7 151 0.5 分母中的数为15减1是因为第24季度是热销，无后续记录，需减1． 同样得由热销转入滞销的概率： p 12 热销转入滞销的次数 出现热销的次数 7 151 0.5 滞销转入热销的概率： p 21 滞销转入热销的次数 出现滞销的次数 7 9 0.78 连续滞销的概率： p 22 连续滞销的次数 出现滞销的次数 2 9 0.22 综上，得销售状态转移概率矩阵为： P