1. 马尔可夫性质
对于任意 ,任意,任意状态
有
比较直观的定义是:
令:
则马尔可夫性质为:
已知到现在为止的所有信息来预测将来,则只与现在状态有关,与过去所有状态都没有关系。
2. 马尔可夫链
如果是状态离散的随机过程,并且具有马尔可夫性质,则称此随机过程为马尔可夫链(Markov Chain)。
将m时刻处于状态i的条件下,到n时刻转移到状态j的转移概率简写成:
其具有以下性质:
即:
1. 从 时刻的状态i转移到 时刻的某一状态 的概率始终大于等于0;
2. 从 时刻的状态i转移到 时刻的任意状态 的概率总和为1,因为他总要从 时刻转移到 时刻的,状态必然是 时刻的某一个状态。
概率转移矩阵
记 为对应的 n 步转移矩阵,其维度为 , 为状态空间(状态的数量)。
性质:各元素非负,每行之和为1. (非常好证明,可以用个二维矩阵自己试一下)
3. 时齐马尔可夫链
如果对于任意状态 ,不依赖于 ,则称 是时齐的马尔可夫链。
就是说在任意状态,他的下一步的概率分布情况与所处时刻无关。
可以认为时齐的马尔可夫链是一个心理素质特别好的运动员,他参加亚运会或者参加奥运会对他来说都一样,他不会因为奥运会压力大就发生失误;比如他参加亚运会得金牌的概率是50%,那么他参加奥运会时得金牌的概率依然是50%。
定义为从 到 的一步转移概率,定义为一步转移矩阵。