关于马氏链的极限知识.docxVIP

关于马氏链的极限知识

1马氏链的极限知识介绍

建立马氏链预测模型的基础是“无后效性”（马氏性）和“连续性”。无后效性通俗地讲就是:已知现在,将来与过去无关,即事物在以后的状态只与本阶段的状态有关,而与以前其它任何阶段所处的状态均无关。这一特性在数学上用条件分布表示为:设{X(t),t∈T}为一随机过程,ti∈T,i=1,2,…,n,且t1t2…tn,如果对于状态空间S中的任意状态x1,x2,…,xn-1,有X(tn)的条件分布函数满足:

Ρ{X(tn)＜xn|X(tn-1)=xn-1,?,X(t1)=x1}=Ρ{X(tn)＜xn|X(tn-1)=xn-1},xn∈S?(1)P{X(tn)＜xn|X(tn?1)=xn?1,?,X(t1)=x1}=P{X(tn)＜xn|X(tn?1)=xn?1},xn∈S?(1)

则称{X(t),t∈T}具有马氏性或无后效性,并称{X(t),t∈T}为马尔柯夫过程。

若上述马尔柯夫过程的状态空间S为R中的可列集,时间参数集T为可列离散集,则称{X(t),t∈T}为离散参数马氏链。特别地,设S={0,1,2,…,n},即本文只考虑有限状态的马氏链,设T={0,1,2,…},则(1)式可写为

P{Xm+1=j|Xm=i,Xm-1=im-1,…,

X0=i0}=P{Xm+1=j|Xm=i}