隐马尔科夫模型_向前算法_计算观测序列概率

一、题干提要：

根据知识点：

一步一步拆解各个名词含义：

• 状态空间：当前有几种状态（人话：有几步），本题：共三步，0，1，2
• 初始概率分布：各个状态对应概率，本题：取到状态0的概率为，取到状态1的概率为，以此类推
• 一步转移概率矩阵：从状态x到状态y的概率，本题：由状态0到状态0的概率为0，由状态0到状态1的概率为1，态0到状态2的概率为0。以此类推
• 观测结果集合：我们所需要解决的观测目标的序列，本题：题干要求观测5，2，9，则找5，2，9对应下标
• 观测概率矩阵：由状态空间与观测结果集合得到的观测概率矩阵，本题：例如找序列中5的概率，则对应观测结果集合中的第四项，对应观测概率矩阵中的第四列，可以看到该矩阵为3行，对应题干中的3种状态，则观测值5对应在状态0，1，2中出现的概率分别为：、、
• 好啦，解释完了，开始解题咯~

 先把答案贴上来，我一步一步解答：

        首先从时刻1说起，对应三行，分别为三种状态：0，1，2 。则时刻1，状态0，观测到5的概率为：，P(0)即为：选到状态0的概率，P(0,5)即为：在状态0下，观测到5的概率，结果为。以此类推，时刻1（第一列），易得（哈哈，我也有在写答案的时候说  易得  的时候）

        接下来说时刻2：时刻2的状态0，和时刻1的不一样啦，时刻2的状态0可能从时刻1的0，1，2，过来，因此概率为三者之和：

        你可能有点懵：我跟你解释一下啊，分别为时刻1，状态0的概率  ×  一步概率矩阵中的0→0的概率；时刻1，状态1的概率  ×  一步概率矩阵中的1→0的概率；时刻1，状态2的概率  ×  一步概率矩阵中的2→0的概率，的和。（说人话就是时刻1的一列三个值分别乘以一步概率矩阵中的第一行）

        以此类推，你可以获得时刻2的一列所有值

        最后说时刻3：聪明的你应该能发现，时刻3长得和时刻2很像，所以正是你想的那样，公式一模一样，套就完了。

        这个地方需要注意个点，解释了为什么一步概率矩阵叫“一步”：

                时刻1到时刻2要用，这叫一步。时刻2到时刻3也要用，也叫一步，而不是从时刻1到时

                刻3（因为不是一步，变两步了😂）

       最后都加起来，就是最后的答案啦~

        记得答案取右下角的哈，不然又白费了

        恭喜你，又学会一个新的知识点~

        写在最后：没啥写的，赶紧期末复习吧，小子。