概率论中基于MATLAB的随机过程仿真

最新推荐文章于 2021-03-20 04:05:12 发布

wfanyue

最新推荐文章于 2021-03-20 04:05:12 发布

阅读量5.6k

点赞数 2

文章标签： Matlab Simulation Statistics

本文链接：https://blog.csdn.net/wfy_1999/article/details/85317498

版权

这篇博客主要介绍了如何使用MATLAB进行概率论中的随机过程仿真，包括离散时间马尔科夫链的仿真。内容详细阐述了离散时间马尔科夫链的定义，即随机序列在任意时刻的状态只与其前一时刻的状态有关，与之前状态无关。

摘要由CSDN通过智能技术生成

概率论中基于MATLAB的随机过程仿真

帮同学做的概率论和数学实验大作业，主要包含了三个部分：1、离散的马尔可夫链的仿真；2、泊松过程的仿真；3、布朗运动的仿真。

1.离散时间马尔科夫链

定义：设在任意时刻n，随机序列Xn可以处在状态{1,2…N}，且它在m+k时刻所处的状态，只与它在m时刻的状态有关，而与m时刻以前的状态无关。即若，其中

，则称Xn为离散Markov链。

	% Discrete Markov Chain Simulation
    %基于MATLAB的随机过程仿真  陈建华　彭淑燕　王　伟　李海燕
	P = [0.2, 0.3, 0.5; 0.5, 0.1, 0.4; 0.6, 0.2, 0.2];	% 给出一步转移矩阵
	S = [1, 2, 3];	% 给出状态空间 X

	n = 1;	%初始时刻
	N = 100;	%迭代步数
	i = 1;

	U = rand;
	Compare2 = sum(P(i,1:2));
	Compare3 = sum(P(i,:));

if (U < P(i,1))
		Y(i) = 1;

elseif ((U > P(i,1))&(U < Compare2))
	Y(i) =