考虑这个理论的，一个随机过程的右随机转移矩阵。

元素过程转换到状态的概率是多少j在时间t+ 1假设它处于状态我在时间t,尽管t．

建立以转移矩阵为特征的马尔可夫链P．

P = [0.5 0.5 0 0 0;0.5 0 0.5 0;0 0 0 1;0 0 1 0];mc = dtmc (P);

mc是一个dtmc对象表示马尔可夫链。

显示马尔科夫链中的状态数。

numstates = mc.NumStates

numstates = 4

画一个马尔可夫链的有向图。

图;graphplot (mc);

观察状态3和状态4形成吸收类，而状态1和状态2是暂态的。

考虑这个转移矩阵中的元素是观察的次数状态吗我转换到国家j．

例如,意味着状态3转换到状态2 7次。

P = [16 2 3 13;5 11 10 8;9 7 6 12;4 14 15 1];

建立以转移矩阵为特征的马尔可夫链P．

mc = dtmc (P);

显示存储的规范化转换矩阵MC．验证行中的元素和为1对所有行。

mc.P总和(mc.P, 2)

Ans = 11 11; Ans = 11 1

画一个马尔可夫链的有向图。

图;graphplot (mc);

为模型创建转换矩阵。

侯= 0.90;第22位= 0.75;P = [p11 (1 - p11)];(1 - p22) p22];

建立以转移矩阵为特征的马尔可夫链P．标记这两个状态。

mc = dtmc (P,“StateNames”, (“扩张”“收缩”]）

mc = dtmc with properties: P: [2x2 double] StateNames: ["Expansion" "Contraction"] NumStates: 2

画一个马尔可夫链的有向图。使用边缘颜色表示过渡的概率。

图;graphplot (mc,“ColorEdges”,真正的);

用随机转移矩阵创建一个五态马尔可夫链。

rng (1);%的再现性mc = mcmix (5)

mc = dtmc with properties: P: [5x5 double] StateNames: ["1" "2" "3" "4" "5"] NumStates: 5

MC是一个dtmc对象。

在复平面上画出转移矩阵的特征值。

图;eigplot (mc)

这个谱决定了马尔可夫链的结构性质，如周期性和混合速率。