马尔科夫链定义是在已获取当前知识或信息的前提下,已发生的历史状态与即将发生的状态是无关的[1]. 马尔科夫链,是一种状态离散的随机过程,其每个状态值由“过去”通过“现在”对“将来”起作用。 其中变量的取值范围,被称为“状态空间”,而 Xn表示所处在时间 n 的状态。 如果过去状态的条件概率分布仅仅与Xn相关,则: P(Xn+1=x|X1=x1,X2=x2,…,Xn=xn)=P(Xn+1=x|Xn=xn)。 这里 x 为过程中的某个状态。 1.2转移概率矩阵。 当马尔科夫链的转移概率 P{Xn+1=j|Xn=i}与 转移起始时间 n 无关,只与起始状态 i,终止状态 j 有关,则称时间齐次马尔科夫链,记 P{Xn+1=j|Xn=i};否则就是非时间齐次马尔科夫链。 把 Pij排成一个矩阵的形式 , 令 P =Pij=
,称 P 为转移概率矩阵。 Pij≥0,每一行的和为 1. 1.3 n步转移概率和C-K方程。 Pij(n)=P{Xn+1=j|Xn=i}为马尔科夫链的 n 步转移概率 ,相对应的,P^(n)=(Pij^(n))为 n 步转移概率矩阵,意思是从状态 i 经过 n 步转移到状态 j的概率。 Chapman-Ko-mologov 方程(简称 C-K 方程)给出了Pij(n)与 Pij的关系。 对于一切 n,m>0,i,j∈S,