[学习笔记]马氏链模型
引例:
(带有反射壁的随机徘徊)如果在原点右边距离原点一个单位及距原点 s(s > 1)个单位处各立一个弹性壁。一个质点在数轴右半部从距原点两个单位处开始随机徘徊。每次分别以概率 p(0 < p < 1) 和 q(q = 1− p) 向右和向左移动一个单位;若在+1 处,则以概率 p 反射到 2,以概率q 停在原处;在 s 处,则以概率 q 反射到 s −1,以概率 p 停在原处。
由该例子可以看出,我们所做的,是根据质点的移动方向和方向对应的概率,对质点的运动方向进行预测。在这背景下,球移动的方向与概率只与当前的点有关,与它历史运动轨迹无关。
因此,这种现象可以用一句话来概括:某一系统在已知现在情况的条件下,系统未来时刻的情况只与现在有关,而与过去的历史无直接关系。描述这类随机现象的数学模型称为马氏模型。
概念以及定理:
时齐性:它的含义是:系统由状态i 到状态j 的转移概率只依赖于时间间隔的长短,与起始的时刻无关。在此马氏链假定都是时齐的,因此省略“时齐”二字。
n可以理解成起点的位置n=1,2… m表示从n开始的时间间隔,i与j分别表示n点的状态与n+m点的状态。由式子可以看出,概率与n无关,只与起点状态,终点状态,以及两点之间的距离有关。
转移概率矩阵: m 步转移概率 p (m) ij 为元素的矩阵 为马尔可夫链的m 步转移矩阵。当m = 1时,记 P(1) = P 称为马尔可夫链的一步转移矩阵,或简称转移矩阵。(下面是一个转移矩阵)
并且由上面的图可以看出一些性质:
(1)上次购买的A对应下次购买的A、B、C的概率,每一个都在范文[0,1],而且总和是1.
(2)当步数为0时,若前后状态相同,概率为1。状态不同概率为0。
吸收链:如果马氏链至少含有一个吸收状态,并且从每一个非吸收状态出发,都可以到达某个吸收状态,那么这个马氏链被称为吸收链。
如图,当状态到4的时候就会停留到4,状态4也就被称为吸收状态。
实例说明:
当实际问题可以用马尔可夫链来描述时,首先要确定它的状态空间及参数集合,然后确定它的一步转移概率。关于这一概率的确定,可以由问题的内在规律得到,也可以由过去经验给出,还可以根据观测数据来估计。
1.(利用统计手段获得转移概率)某计算机机房的一台计算机经常出故障,研究者每隔 15 分钟观察一次计算机的运行状态,收集了 24 小时的数据(共作 97 次观察)。用 1 表示正常状态,用 0 表示不正常状态,所得的数据序列如下:
1110010011111110011110111111001111111110001101101
111011011010111101110111101111110011011111100111
我们将其看作时齐马氏链,分别找出fij(表示状态i到状态j的次数)
求得 96 次状态转移的情况是:0 → 0,8 次; 0 →1,18 次;1→ 0 ,18 次; 1→1,52 次。
可以看出由0开始,到0、1的频率为4/13、9/13。从1开始到0、1的频率为9/35、26/35.用频率表示概率,从而获得概率。
2.(利用马尔可夫链进行预测)若顾客的购买是无记忆的,即已知现在顾客购买情况,未来顾客的购买情况不受过去购买历史的影响,而只与现在购买情况有关。现在市场上供应 A、B、C 三个不同厂家生产的 50 克袋状味精,用“ξ n = 1”、“ξ n = 2 ”、“ξ n = 3”分别表示“顾客第n 次购买 A、B、C 厂的味精”。显然,{ ,n = 1,2,L} ξ n 是一个马氏链。若已知第一次顾客购买三个厂味精的概率依次为 0.2,0.4,0.4。又知道一般顾客购买的倾向由表 2给出。求顾客第四次购买各家味精的概率。
构建初始状态:P(1)=[0.2 0.4 0.4 ]
构建转移矩阵:
P=[ 0.8 0.1 0.1
0.5 0.1 0.4
0.5 0.3 0.2]
根据定理:
则顾客第四次购买各家味精的概率为:P(4)=P(1)P^3=[0.7004 0.136 0.1636]
3.根据例 2中给出的一般顾客购买三种味精倾向的转移矩阵,预测经过长期的多次购买之后,顾客的购买倾向如何?
由题意可得,我们需要对Pn(n->+∞)求极限。(定义与定理略,上程序)
format rat
p=[0.8 0.1 0.1;0.5 0.1 0.4;0.5 0.3 0.2];
a=[p'-eye(3);ones(1,3)];
b=[zeros(3,1);1];
p_limit=a\b
求得p1=5/7,p2=11/84,p3=13/84.
这说明,无论第一次顾客购买的情况如何,经过长期多次购买以后,三个味精场的市场占有率趋于平衡。
4.(吸收链类型)智力竞赛问题 甲、乙两队进行智力竞赛。竞赛规则规定:竞赛开始时甲、乙两队各记 2 分,在抢答问题时,如果甲队赢得 1 分,那么甲队的总分将增加 1分,同时乙队总分将减少 1 分。当甲(或乙)队总分达到 4 分时,竞赛结束,甲(或乙)获胜。根据队员的智力水平,知道甲队赢得 1 分的概率为 p ,失去 1 分的概率为1− p ,求:(i)甲队获胜的概率是多少?(ii)竞赛从开始到结束,分数转移的平均次数是多少?(iii)甲队获得 1、2、3 分的平均次数是多少?
由于推导过程较为复杂,先将代码展出。
syms p q
r=[q,0;0,0;0,p];
s=[0,p,0;q,0,p;0,q,0];
f=(eye(3)-s)^(-1);f=simplify(f)
n=f*ones(3,1);n=simplify(n)
b=f*r;b=simplify(b)
在实践过程中由于simple函数已经被替代,因此使用了simplify函数进行符号计算的化简。
本文是初学者笔记,意在整理章节内容
[学习笔记]马氏链模型相关推荐
- 【数学建模】马氏链模型(基本概念+正则链+吸收链)
马氏链模型(Markov Chain) 对于有随机因素影响的动态系统,系统从这个时期到下个时期的状态按照一定的概率进行转移,并且下个时期的状态只取决于这个时期的状态和转移概率. 无后效性:已知现在,将 ...
- 数学建模笔记(十四):马氏链模型
文章目录 一.引例:健康与疾病(介绍马氏链基本概念和性质) 1.第一类问题背景(不考虑死亡) 2.状态与状态转移(趋于稳定,与初值无关) 3.第二类问题背景(考虑死亡) 4.状态转移(结局已定) 二. ...
- 学习笔记25马氏链模型
前段时间担任协会负责人,在搞matlab培训,又报了一堆竞赛.最近几个星期有空学习和记录.上次国赛全国二等奖的目标没达到,拿了个省一等奖,继续努力. 用已有的数据预测下一阶段某状态 只有两个状态 下面 ...
- 【随机过程】18 - 连续时间马氏链与排队论
连续时间马尔科夫链与排队论 文章目录 连续时间马尔科夫链与排队论 1. 连续时间马氏链 1.1 概述 1.2 停留时间的分布 1.3 跳变概率 1.3.1 连续时间马氏链CK方程 1.3.2 Q矩阵 ...
- WinSock学习笔记3:Select模型
WinSock学习笔记3:Select模型 unit Unit1; interface uses Windows, Messages, SysUtils, Variants, Classes, G ...
- CUDA学习笔记之 CUDA存储器模型
CUDA学习笔记之 CUDA存储器模型 标签: cuda存储bindingcache编程api 2010-12-14 01:33 1223人阅读 评论(0) 收藏 举报 分类: CUDA(26) GP ...
- Python数据挖掘学习笔记】九.回归模型LinearRegression简单分析氧化物数据
#2018-03-23 16:26:20 March Friday the 12 week, the 082 day SZ SSMR [Python数据挖掘学习笔记]九.回归模型LinearRegre ...
- 数学建模(六) 主成分分析,聚类分析,对策论,马氏链
全并到一起写是因为我只想写十篇. 1.主成分分析 PCA!!! 主成分分析(Principal Component Analysis, PCA),将多个变量通过线性变换以选出较少个数重要变量的一种多元 ...
- 2020-4-20 深度学习笔记20 - 深度生成模型 3 (实值数据上的玻尔兹曼机)
第二十章 深度生成模型 Deep Generative Models 中文 英文 2020-4-17 深度学习笔记20 - 深度生成模型 1 (玻尔兹曼机,受限玻尔兹曼机RBM) 2020-4-18 ...
最新文章
- 理解浏览器允许的并发请求资源数
- Android开发UI之Toast的使用
- 接口测试--apipost解决传递json参数时字符串包含有@和/的问题
- Android sdk下载安装配置教程
- 计算机代数与数论pdf,计算机代数与数论.pdf
- 通过手机获取微信公众号封面
- 网络计算机没有权限,电脑网络连接出现“无Internet访问权限”怎么办?
- html回调函数,JS 回调函数
- 淘宝运营 淘宝客的模式 、优点以及推广方案
- Kubuntu 安装fcitx 5
- 【IEEE754制32位浮点数】与十进制相互转换
- 20190122——回首向来萧瑟处,无人等在灯火阑珊处。 Java责任链
- xshell上传文件出现:unknown error的解决办法
- 一键生成 API 文档的妙招
- svn 服务端、客户端使用总结
- 如何用excel批量新建文件夹并命名?
- SNS 社区系统设计
- 高并发情况下解决单用户超领优惠券问题
- mysql正确关闭slave取消主从
- matlab fdatool陷波器,基于MATLAB的简单50Hz数字陷波器.doc