本文详细介绍了随机过程中的泊松过程和离散时间马尔科夫链。泊松过程适用于特定场景，具有可叠加性。离散时间马尔科夫链通过One Step Transition Probability展示状态转移，并探讨了Sojourn Time的概念。Chapman-Kolmogorov方程也在文中提及。
Stochastic Process
离散时间的例子：
连续时间的例子：
然后随机过程就分这四种：
例子：
1.
2.
(👆泊松过程)
泊松过程
k从0开始
泊松过程适用于：
泊松的性质：
可叠加的哦
阐述一下其可拆和可叠加性：·
可加性的例子：
*
离散时间马尔科夫链
马尔可夫property:
👇图形解释，（从tm到tm+n有nstep）
例子：（DTMC是离散时间马尔科夫链哦）
One Step Transition Probablity
这个矩阵是
j在那个条件概率的分子上，和为1很正常（
包括了所有可能性啦
👇对这个的解释
Sojourn Time
式子：
下面是推导过程：
这个很像几何分布哦
👇这是几何分布
pii:昨天和今天都是i
E（Ti）是啥来着 下面写了呢
第二个是永远保持不变
例子：
还是例子：
例子：
要写一下转移概率矩阵貌似
p00:从AGV到AGV，P01：从AGV到1
p10:从1出去到AGV
另外一个例子：
数字是坏的个数
Chapman-kolmogorov Equation
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
