马尔科夫链
马尔科夫链为状态空间中经过从一个状态到另一个状态的转换的随机过程。该过程要求具备“无记忆”的性质:下一状态的概率分布只能由当前状态决定,在时间序列中它前面的事件均与之无关。
马尔科夫链是一种预测未来的方法,即在已知现情况的条件下,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,但不适宜用于系统中长期预测。(原因存疑)
基本概念
(一)状态、状态转移过程与马尔可夫过程
1.状态 在马尔可夫预测中,“状态”是一个重要的术语。所谓状态,就是指某一事件在某个时刻(或时期)出现的某种结果。一般而言,随着所研究的事件及其预测的目标不同,状态可以有不同的划分方式。譬如,在商品销售预测中,有“畅销”、“一般”、“滞销”等状态;在农业收成预测中,有“丰收”、“平收”、“欠收”等状态;在人口构成预测中,有“婴儿”、“儿童”、“少年”、“青年”、“中年”、“老年”等状态;等等。
2.状态转移过程 在事件的发展过程中,从一种状态转变为另一种状态,就称为状态转移。事件的发展,随着时间的变化而变化所作的状态转移,或者说状态转移与时间的关系,就称为状态转移过程,简称过程。(二)状态转移概率与状态转移概率矩阵
(二)状态转移概率与状态转移概率矩阵
1.状态转移概率 在事件的发展变化过程中,从某一种状态出发,下一时刻转移到其它状态的可能性,称为状态转移概率。根据条件概率的定义,由状态Ei转为状态Ej的状态转移概率P(Ei→Ej)就是条件概率P(Ej/Ei),即