递推方法计算概率与一维马尔科夫过程.docx

PAGE2/NUMPAGES2

递推方法计算概率与一维马尔科夫过程

一．基本原理

虽然贝叶斯公式不做要求，但是全概率公式已经是新高考考查内容了，利用全概率公式，我们既可以构造某些递推关系求解概率，还可以推导经典的一维随机游走模型，即：设数轴上一个点，它的位置只能位于整点处，在时刻时，位于点，下一个时刻，它将以概率或者（）向左或者向右平移一个单位.若记状态表示：在时刻该点位于位置，

那么由全概率公式可得：

另一方面，由于，代入上式可得：.

进一步，我们假设在与处各有一个吸收壁，当点到达吸收壁时被吸收，不再游走.于是，.随机游走模型是一个典型的马尔科夫过程.

进一步，若点在某个位置后有三种情况：向左平移一个单位，其概率为，原地不动，其概率为，向右平移一个单位，其概率为，那么根据全概率公式可得：

有了这样的理论分析，下面我们看全概率公式及以为随机游走模型在2019年全国1卷中的应用.

二．典例分析

例1．（23届佛山二模）有个编号分别为1，2，…，n的盒子，第1个盒子中有2个白球1个黑球，其余盒子中均为1个白球1个黑球，现从第1个盒子中任取一球放入第2个盒子，再从第2个盒子中任取一球放入第3个盒子，以此类推，则从第2个盒子中取到白球的概率是______，从第个盒子中取到白球的概率是______．

变式：如图，一只蚂蚁从正方形的顶点A出发，每一次行动顺时针或逆时针经过一条边到达另一顶点，其中顺时针的概率为，逆时针的概率为，设蚂蚁经过n步到达B，D两点的概率分别为．下列说法正确的有（）

A. B.

C. D.

例2．（23届杭州二模）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…，，，，，…，那么时刻的状态的条件概率仅依赖前一状态，即．

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，且每局赌赢可以赢得1元，每一局赌徒赌输的概率为，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，赌博过程如下图的数轴所示．

当赌徒手中有n元（，）时，最终输光的概率为，请回答下列问题：

请直接写出与的数值．

（2）证明是一个等差数列，并写出公差d．

当时，分别计算，时，的数值，并结合实际，解释当时，的统计含义．

例3.（2019全国1卷）．为了治疗某种疾病，研制了甲、乙两种新药，希望知道哪种新药更有效，为此进行动物试验．试验方案如下：每一轮选取两只白鼠对药效进行对比试验．对于两只白鼠，随机选一只施以甲药，另一只施以乙药．一轮的治疗结果得出后，再安排下一轮试验．当其中一种药治愈的白鼠比另一种药治愈的白鼠多4只时，就停止试验，并认为治愈只数多的药更有效．为了方便描述问题，约定：对于每轮试验，若施以甲药的白鼠治愈且施以乙药的白鼠未治愈则甲药得1分，乙药得分；若施以乙药的白鼠治愈且施以甲药的白鼠未治愈则乙药得1分，甲药得分；若都治愈或都未治愈则两种药均得0分．甲、乙两种药的治愈率分别记为α和β，一轮试验中甲药的得分记为X．

（1）求的分布列；

（2）若甲药、乙药在试验开始时都赋予4分，表示“甲药的累计得分为i时，最终认为甲药比乙药更有效”的概率，则，，，其中，，．假设，．

（i）证明：为等比数列；（ii）求，并根据的值解释这种试验方案的合理性．

例4．足球是一项大众喜爱的运动.2022卡塔尔世界杯揭幕战将在2022年11月21日打响，决赛定于12月18日晚进行，全程为期28天.

校足球队中的甲、乙、丙、丁四名球员将进行传球训练，第1次由甲将球传出，每次传球时，传球者都等可能的将球传给另外三个人中的任何一人，如此不停地传下去，且假定每次传球都能被接到．记开始传球的人为第1次触球者，第次触球者是甲的概率记为，即．

（1）求（直接写出结果即可）；

（2）证明：数列为等比数列，并判断第19次与第20次触球者是甲的概率的大小．

例5．马尔可夫链是因俄国数学家安德烈·马尔可夫得名，其过程具备“无记忆”的性质，即第次状态的概率分布只跟第次的状态有关，与第次状态是“没有任何关系的”.现有甲、乙两个盒子，盒子中都有大小、形状、质地相同的2个红球和1个黑球.从两个盒子中各任取一个球交换，重复进行次操作后，记甲盒子中黑球个数为，甲盒中恰有1个黑球的概率为，恰有2个黑球的概率为.

（1）求的分布列；（2）求数列的通项公式；（3）求的期望.

例6甲、乙两人进行抛掷骰子游戏，两人轮流抛掷一枚质地均匀的骰子．规定：先掷出点数6的获胜，游戏结束．

（1）记两