概率中递推关系的应用——马尔科夫链.pptx

概率中递推关系的应用—马尔科夫链;提示：马尔科夫链是概率统计中的一个重要模型，也是机器学习和人工智能的基石，在强化学习、自然语言处理、金融领域、天气预测等方面都有着极其广泛的应用．其数学定义为：假设我们的序列状态是…，Xt－2，Xt－1，Xt，Xt＋1，…，那么Xt＋1时刻的状态的条件概率仅依赖前一状态Xt，即P(Xt＋1|…，Xt－2，Xt－1，Xt)＝P(Xt＋1|Xt).;(2024·无锡江阴期初)王先生准备每天从骑自行车和开车两种出行方式中随机选择一种出行．从即日起出行方式选择规则自定如下：第一天选择骑自行车出行，随后每天用“一次性抛掷4枚均匀硬币”的方法确定出行方式，若得到的正面朝上的枚数小于3，则该天出行方式与前一天相同，否则选择另一种出行方式．设pn(n∈N*)表示事件“第n天王先生选择骑自行车出行”的概率．

(1)用pn－1表示pn(n≥2)；;;(2024·无锡江阴期初)王先生准备每天从骑自行车和开车两种出行方式中随机选择一种出行．从即日起出行方式选择规则自定如下：第一天选择骑自行车出行，随后每天用“一次性抛掷4枚均匀硬币”的方法确定出行方式，若得到的正面朝上的枚数小于3，则该天出行方式与前一天相同，否则选择另一种出行方式．设pn(n∈N*)表示事件“第n天王先生选择骑自行车出行”的概率．

(2)求pn(n≥2).;;;(2023·杭州二模)现实生活中也存在着许多马尔科夫链，例如著名的赌徒模型．假如一名赌徒进入赌场参与一个赌博游戏，每一局赌徒赌赢的概率为50%，且每局赌赢可以赢得1元，每一局赌徒赌输的概率为50%，且赌输就要输掉1元．赌徒会一直玩下去，直到遇到如下两种情况才会结束赌博游戏：一种是手中赌金为0元，即赌徒输光；一种是赌金达到预期的B元，赌徒停止赌博．记赌徒的本金为A(A∈N*，A＜B)，赌博过程如下图的数轴所示．;(2023·杭州二模)现实生活中也存在着许多马尔科夫链，例如著名的赌徒模型．假如一名赌徒进入赌场参与一个赌博游戏，每一局赌徒赌赢的概率为50%，且每局赌赢可以赢得1元，每一局赌徒赌输的概率为50%，且赌输就要输掉1元．赌徒会一直玩下去，直到遇到如下两种情况才会结束赌博游戏：一种是手中赌金为0元，即赌徒输光；一种是赌金达到预期的B元，赌徒停止赌博．记赌徒的本金为A(A∈N*，A＜B)，赌博过程如下图的数轴所示．;;(2023·杭州二模)现实生活中也存在着许多马尔科夫链，例如著名的赌徒模型．假如一名赌徒进入赌场参与一个赌博游戏，每一局赌徒赌赢的概率为50%，且每局赌赢可以赢得1元，每一局赌徒赌输的概率为50%，且赌输就要输掉1元．赌徒会一直玩下去，直到遇到如下两种情况才会结束赌博游戏：一种是手中赌金为0元，即赌徒输光；一种是赌金达到预期的B元，赌徒停止赌博．记赌徒的本金为A(A∈N*，A＜B)，赌博过程如下图的数轴所示．;;配套精练;1．一种抛硬币游戏的规则是：抛掷一枚硬币，每次正面向上得1分，反面向上得2分．

(1)设抛掷5次的得分为ξ，求ξ的分布列和数学期望E(ξ)；;1．一种抛硬币游戏的规则是：抛掷一枚硬币，每次正面向上得1分，反面向上得2分.

(2)求恰好得到n(n∈N*)分的概率．;2．某种质地均匀的正四面体玩具的4个面上分别标有数字0，1，2，3.将这个玩具抛掷n次，记第n次抛掷后玩具与桌面接触的面上所标的数字为an，数列{an}的前n项和为Sn.记Sn是3的倍数的概率为P(n).

(1)求P(1)，P(2)；;2．某种质地均匀的正四面体玩具的4个面上分别标有数字0，1，2，3.将这个玩具抛掷n次，记第n次抛掷后玩具与桌面接触的面上所标的数字为an，数列{an}的前n项和为Sn.记Sn是3的倍数的概率为P(n).

(2)求P(n).;3．(2023·新高考Ⅰ卷)甲、乙两人投篮，每次由其中一人投篮，规则如下：若命中，则此人继续投篮．若未命中，则换为对方投篮．无论之前投篮情况如何，甲每次投篮的命中率均为0.6，乙每次投篮的命中率均为0.8.由抽签确定第1次投篮的人选，第1次投篮的人是甲、乙的概率各为0.5.

(1)求第2次投篮的人是乙的概率；;3．(2023·新高考Ⅰ卷)甲、乙两人投篮，每次由其中一人投篮，规则如下：若命中，则此人继续投篮．若未命中，则换为对方投篮．无论之前投篮情况如何，甲每次投篮的命中率均为0.6，乙每次投篮的命中率均为0.8.由抽签确定第1次投篮的人选，第1次投篮的人是甲、乙的概率各为0.5.

(2)求第i次投篮的人是甲的概率；;3．(2023·新高考Ⅰ卷)甲、乙两人投篮，每次由其中一人投篮，规则如下：若命中，则此人继续投篮．若未命中，则换为对方投篮．无论之前投篮情况如何，甲每次投篮的命中率均为0.6，乙每次投篮的命中率均为0.8.由抽签确定第1次