本文详细介绍了马尔可夫链的转移模型，包括状态转移概率矩阵P和状态矩阵S。Pij表示从状态i转移到状态j在下一步的概率，而Sij则表示从状态i在前一步转移到状态j的概率。通过状态转移矩阵P和状态矩阵S，可以计算经过Δt步后在t+1时刻到达状态j的所有可能性Sjt+1。
马尔可夫链转移模型笔记
1. 状态转移概率矩阵 P P P
P = [ P 00 P 0 j . . . P i 0 P i j . . . . . . . . . . . . ] P = \begin{bmatrix} P_{00} & P_{0j} & ... \\ P_{i0} & P_{ij} & ... \\ ... & ... & ... \end{bmatrix} P=⎣⎡P00Pi0...P0jPij............⎦⎤
P i j P_{ij} Pij表示 i t → j t + 1 i^{t} \rightarrow j^{t+1} it→jt+1的概率
P [ i , : ] P[i,: ] P[i,:]表示从 i t i^{t} it发出的所有的概率
P [ : , j ] P[:,j ] P[:,j]表示所有到达 j t + 1 j^{t+1} jt+1的概率
2. 状态矩阵 S S S
S = [ S 00 S 0 j . . . S i 0 S i j . . . . . . . . . . . . ] S = \begin{bmatrix} S_{00} & S_{0j} & ... \\ S_{i0} & S_{ij} & ... \\ ... & ... & ... \end{bmatrix} S=⎣⎡S00Si0...S0
最低0.47元/天 解锁文章
扫一扫
5535
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
