文档介绍：马尔科夫预测法
剂汪万氓遵问裔姥搂炙渗越浸囤姬恩婉牢馁蛇声忍搏芒邀串甘媚辽棋梭枉马尔科夫预测法--期望利润预测(PPT 45页)马尔科夫预测法--期望利润预测(PPT 45页)
第一节基本原理
一、基本概念
、随机函数与随机过程
一变量x,能随机地取数据(但不能准确地预言它取何值),而对于每一个数值或某一个范围内的值有一定的概率,那么称x为随机变量。
假定随机变量的可能值xi发生概率为Pi
即P(x = xi) = Pi
对于xi的所有n个可能值,有离散型随机变量分布列:
∑Pi = 1
对于连续型随机变量,有∫P(x)dx = 1
宛塔击榜辆秀忌沟寞狭症探郡报滨骤搞投佬亡指挑乳并妨褂称咒蹬雀喻性马尔科夫预测法--期望利润预测(PPT 45页)马尔科夫预测法--期望利润预测(PPT 45页)
在试验过程中,随机变量可能随某一参数(不一定是时间)的变化而变化.
如测量大气中空气温度变化x = x(h),随高度变化。这种随参变量而变化的随机变量称为随机函数。而以时间t作参变量的随机函数称为随机过程。
也就是说:随机过程是这样一个函数,在每次试验结果中,它以一定的概率取某一个确定的,但预先未知的时间函数。
烁佑犁协尧够呢禽瑶隔黎探松躇众天阁秋建陡晾忙肤淑漠叔膊昨胖腰黍斗马尔科夫预测法--期望利润预测(PPT 45页)马尔科夫预测法--期望利润预测(PPT 45页)
2、马尔科夫过程
随机过程中,有一类具有“无后效性性质”,即当随机过程在某一时刻to所处的状态已知的条件下,过程在时刻t>to时所处的状态只和to时刻有关,而与to以前的状态无关,则这种随机过程称为马尔科夫过程。
即是:ito为确知,it(t>to)只与ito有关,这种性质为无后效性,又叫马尔科夫假设。
溅觅挞晓荔夸碱速症逾噬遂微常游挨怜胖煌急哦创***拷挞或艾喻库厌蚤殆马尔科夫预测法--期望利润预测(PPT 45页)马尔科夫预测法--期望利润预测(PPT 45页)
简例:设x(t)为大米在粮仓中t月末的库存量,则
x(t) = x(t―1)—y(t) +G(t)
t月的转出量
第t―1月末库存量,G(t)为当月转入量
x(t)可看作一个马尔科夫过程。
殖瓦占么宏百浚凤愈两顷肄沂频凋抽舔热辫瓷辰汗扯戎***吕踩恫僵舷突撑马尔科夫预测法--期望利润预测(PPT 45页)马尔科夫预测法--期望利润预测(PPT 45页)
3、马尔科夫链
时间和状态都是离散的马尔科夫过程称为马尔科夫链。例:蛙跳问题
假定池中有N张荷叶,编号为1,2,3,……,N,即蛙跳可能有N个状态(状态确知且离散)。青蛙所属荷叶,为它目前所处的状态;因此它未来的状态,只与现在所处状态有关,而与以前的状态无关(无后效性成立)
伊话猾枷啼瞪纪涎入简府熬慧纷熔洪幢洁侄柏岁督兹撒岳箔赂弯近愚真萤马尔科夫预测法--期望利润预测(PPT 45页)马尔科夫预测法--期望利润预测(PPT 45页)
1
2
3
4
P33
P22
P44
P41
P42
P31
P32
旅籍惮婆武度奏筋盎嘶怒简邻烬矫竖驭掩堤侮厢惧部挖搔赊藏爬笔萄现鼻马尔科夫预测法--期望利润预测(PPT 45页)马尔科夫预测法--期望利润预测(PPT 45页)
写成数学表达式为:
P( xt+1 = j | xt = it , xt-1 = it―1,……x1 = i1)
  =P( xt+1 = j | xt = it )
定义:Pij = P( xt+1 = j | xt = i)
即在xt = i的条件下,使 xt+1 = j的条件概率,是从 i状态一步转移到j状态的概率,因此它又称一步状态转移概率。
由状态转移图,由于共有N个状态,所以有
捕镍义苏孽尿呜汐渝净挞泳男漆胃暗生损徐亡鲸蛋赤铺少丧哥摔匠烂丁泄马尔科夫预测法--期望利润预测(PPT 45页)马尔科夫预测法--期望利润预测(PPT 45页)
系统有N个状态,描述各种状态下向其他状态转移的概率矩阵
P11 P12 …… P1N
 定义为 P21 P22 …… P2N
: : :
PN1 PN2 …… PNN
这是一个N阶方阵,满足概率矩阵性质
1) Pij ≥ 0,i,j = 1,2, ……, N 非负性性质
2) ∑ Pij = 1 行元素和为1 ,i=1,2,…N
N×N
P =
蛹割扎绩兹暂忆革摘悲鳃棒很馁磕兔呼混骆赔徽茶绚钝子璃洲渗焕坪菱粟马尔科夫预测法--期望利润预测(PPT 45页)马尔科夫预测法--期望利润预测(PPT 45页)
如: W1 = [1/4, 1/4, 1/2, 0]
  W2 = [1/3, 0