马尔科夫链的思想:过去所有的信息都已经被保存到了现在的状态,基于现在就可以预测未来。
The future is independent of the past given the present
马尔可夫链属于 随机过程课程(使用统计模型一些事物的过程进行预测和处理)
概述:
一个用数学方法就能解释自然变化的一般规律模型,被命名为马尔科夫链(Markov Chain)。为状态空间中经过从一个状态到另一个状态的转换 的++随机过程++ ,该过程要求具备"无记忆性 ",即下一状态的概率分布只能由当前状态决定,在时间序列中它前面的事件均与之无关(认为之前的所有信息都被保存到了当前的状态,因此未来与过去无关) 。这种特定类型的"无记忆性 "称作马尔可夫性质。
定义:
只要能求出系统中任意两个状态之间的转换概率,这个马尔科夫链的模型就定了。
转移概率矩阵:将事件的状态转换成概率矩阵 (又称状态分布矩阵 ),如下例: