马尔科夫链

XYHN13

于 2022-11-14 19:39:58 发布

阅读量278

点赞数

文章标签： python numpy 开发语言

本文链接：https://blog.csdn.net/XYHN13/article/details/127853848

版权

马尔可夫链是概率论中的一个重要概念，它描述了一个状态随时间演变仅依赖于当前状态的概率过程。博客通过三个Python实例展示了如何使用numpy库创建和操作马尔可夫链矩阵，探讨了离散时间与连续时间马尔可夫链的区别，并通过矩阵运算演示了状态转移的过程。

摘要由CSDN通过智能技术生成

定义：马尔可夫链（Markov Chain, MC）是概率论和数理统计中具有马尔可夫性质（Markov property）且存在于离散的指数集（index set）和状态空间（state space）内的随机过程（stochastic process） [1-2] 。适用于连续指数集的马尔可夫链被称为马尔可夫过程（Markov process），但有时也被视为马尔可夫链的子集，即连续时间马尔可夫链（Continuous-Time MC, CTMC），与离散时间马尔可夫链（Discrete-Time MC, DTMC）相对应，因此马尔可夫链是一个较为宽泛的概念

实例：import numpy as np
matrix = np.matrix([[0.9,0.075,0.025],[0.15,0.8,0.05],[0.25,0.25,0.5]], dtype=float)
vector1 = np.matrix([[0.3,0.4,0.3]], dtype=float)
for i in range(100):
    vector1 = vector1*matrix
    print ("Current round:" , i+1)
    print (vector1)

实例二：import numpy as np
matrix = np.matrix([[0.9,0.075,0.025],[0.15,0.8,0.05],[0.25,0.25,0.5]], dtype=float)
vector1 = np.matrix([[0.7,0.1,0.2]], dtype=float)
for i in range(100):
    vector1 = vector1*matrix
    print ("Current round:" , i+1)
    print (vector1)

示例三： import numpy as np
matrix = np.matrix([[0.9,0.075,0.025],[0.15,0.8,0.05],[0.25,0.25,0.5]], dtype=float)
for i in range(10):
    matrix = matrix*matrix
    print ("Current round:" , i+1)
    print (matrix)