离散状态空间马尔可夫过程,或马尔可夫链,用有向图表示,并用右随机转移矩阵描述P.时刻状态的分布t+1是时刻状态的分布t乘以P.的结构P确定链的演化轨迹,包括渐近性。
有关马尔可夫链分析工具的概述,请参阅马尔可夫链模型.
马尔可夫链是用右随机转移矩阵描述的离散状态马尔可夫过程,用有向图表示。
的dtmc
类提供了离散时间马尔可夫链建模和分析的基本工具。该类支持具有有限状态金宝app的链,这些链在离散时间内演化,具有时间齐次的过渡结构。
从概率或观察计数的状态转移矩阵中创建马尔可夫链模型对象,并创建具有指定结构的随机马尔可夫链。
利用模型可视化马尔可夫链模型的结构和演化dtmc
绘图功能。
这个例子展示了如何处理来自状态计数的经验数组的转换数据,并创建一个离散时间马尔可夫链(dtmc
)模型描述状态转换。
计算马尔可夫链的平稳分布,估计其混合时间,并确定链是否遍历和可约。
比较几种不同结构的马尔可夫链的混合次数估计。
以编程和可视化的方式识别马尔可夫链中的类。
生成和可视化随机漫步通过马尔可夫链。
计算和可视化状态重新分布,它显示了从初始分布到确定状态分布随时间的演变。