基于马尔可夫过程的网络浏览行为概率问题

1、题目

        假设每个人都只浏览下面的4个网站，下图是4个网站每天的浏览转移概率，求100天1000天后，求人们浏览4个网站的概率。起始概率重要吗？

​​​​​​​2、题目分析

        由题目可知，人们每天浏览4个网站的概率只与前一天浏览4个网站的概率有关，假设第n天人们浏览4个网站的概率别是A(n)、B(n)、C(n)、D(n)，则下一天浏览四人网站的概率分别是A(n+1)=C(n)+1/2*D(n)，B(n+1)=1/3*A(n)，C(n+1)=1/3*A(n)+1/2*B(n)+1/2*D(n)，D(n+1)=1/3*A(n)+1/2*B(n)。先假定第一天人们浏览4个网站的概率，根据以上迭代关系便可求得100天和1000天后的浏览4个网站的概率。

​​​​​​​3、仿真结果

图 1 100天后四个网站的浏览概率占比

图 2 1000天后四个网站的浏览概率占比

 

图 3 每一天四个网站的浏览概率占比

图 4 四个网站的浏览概率变化曲线

图 5 改变第一天四个网站的浏览概率后每个网站的的浏览概率变化

 

​​​​​​​4、结果分析

        由图1和图2可以发现，四个网站在100天和1000天后的占比都分别是0.3871、0.1290、0.2903、0.1935，由图3和图4可以发现，四个网站的浏览概率占比在19天之后会稳定下来，由图5可发现，不管第一天四个网站的浏览概率占比如何分布，其最终分布都会在19天之后稳定在某一个确定的状态。综上，可以得出结论：在马尔可夫链中，每个状态的出现只和上一状态有关，因此初始概率分布对后续的状态转移概率影响不大，即便我们使用不同的初始概率分布，最终的稳定状态概率分布仍然趋于相同的值。

​​​​​​​5、​​​​​​​代码

clear;
Generation(1,:) = [0.1,0.2,0.3,0.4];%第一天浏览四个网站的概率
%根据规律进行迭代
for i=2:1000
    Generation(i,1) = Generation(i-1,3) + Generation(i-1,4)*1/2;
    Generation(i,2) = Generation(i-1,1)*1/3;
    Generation(i,3) = Generation(i-1,1)*1/3+Generation(i-1,2)*1/2+Generation(i-1,4)*1/2;
    Generation(i,4) = Generation(i-1,1)*1/3+Generation(i-1,2)*1/2;
end
g = 1:i;
%画出四个网站浏览概率占比随天数增加的变化曲线
plot(g,Generation(:,1),'-.',g,Generation(:,2),'-',...
g,Generation(:,3),':',g,Generation(:,4),'*','LineWidth',2)
legend('A','B','C','D')
xlabel('Generation')
ylabel('Rate')