1.馬氏性：未來的狀態值只與當前狀態有關，與前面的狀態無關，具體為：
2.時變性：就是指轉移概率僅僅與時間間隔寬度有關，和時間始點終點無關。
m 步）轉移到狀態j 的轉移概率。
例：某計算機機房的一台計算機經常出故障，研究者每隔15 分鐘觀察一次計算
機的執行狀態，收集了24 小時的資料（共作97 次觀察）。用1 表示正常狀態，用0 表
示不正常狀態，所得的資料序列如下：
1110010011111110011110111111001111111110001101101
我們把上面的資料放在乙個txt文字中，命名為『data1.txt』則
clc,clear
format rat
fid=fopen('data1.txt','r');
a=;while (~feof(fid))
a=[a fgetl(fid)];%未到檔案末尾，讀一行再新增到a,a則變成了乙個行向量
endfor i=0:1
for j=0:1
s=[int2str(i),int2str(j)];%s有00,01,10,11
f(i+1,j+1)=length(findstr(s,a));
endend
fs=sum(f');
for i=1:2
f(i,:)=f(i,:)/fs(i);
endf
可得結果：
分別為0->0,0->1,1->0,1->1的轉移次數佔比求近似的概率。
馬爾可夫鏈
馬爾可夫鏈，因安德烈 馬爾可夫 a.a.markov，1856 1922 得名，是指數學中具有馬爾可夫性質的離散事件 隨機過程 該過程中，在給定當前知識或資訊的情況下，過去 即當前以前的歷史狀態 對於 將來 即當前以後的未來狀態 是無關的。x1,x2,x3.馬爾可夫鏈 markov chain 描述...
馬爾可夫鏈
定義設 是乙個隨機過程，如果 在 t0 時刻所處的狀態已知，它在時刻 t t0 所處的狀態的條件分布與其在 t0 之前所處的狀態無關。通俗地說，就是在知道過程現在的條件下，其將來的條件分布不依賴於過去，則稱 隨機過程 具有馬爾可夫 markov 性 是乙個隨機過程，若其滿足馬爾可夫性，則稱其為馬爾可...
馬爾可夫鏈
馬爾可夫鏈簡單介紹 1.下一狀態的概率分布只能由當前狀態決定。在馬爾可夫鏈的每一步，系統根據概率分布，可以從乙個狀態變到另乙個狀態，也可以保持當前狀態。狀態的改變叫做轉移，與不同的狀態改變相關的概率叫做轉移概率。2.當 3.細緻平穩條件 單純形向量 給定乙個馬爾科夫鏈，分布 pi 和概率轉移矩陣p，...