主要内容
计算马尔可夫链在每个时间步长的状态分布
此示例显示了如何计算和可视化状态重新分发，其显示来自初始分布的时间随时间随时间的时间分布的演变。
考虑这个理论的，一个随机过程的右随机转移矩阵。
创建由转换矩阵为特征的马尔可夫链P.。
p = [0 0 1/2 1/4 1/4 0 0;0 0 1/3 0 2/3 0 0;0 0 0 0 0 0 1/3 2/3;0 0 0 0 0 1/2 1/2;0 0 0 0 0 0 3/4 1/4;1/2 1/2 0 0 0 0 0;1/4 3/4 0 0 0 0];MC = DTMC（P）;
绘制马尔可夫链的定向图，并使用节点颜色和标记识别类。
图;graphplot（MC，'colornodes'，真的）;
马克代表单一的复发类，一个时间为3。
假设初始状态分布是均匀的。计算分布的演变20个时间步长。
numsteps = 20;x =重新分发（MC，NumSteps）;
X是21×7矩阵。排T.包含在时间步长的演化状态分布T.。
可视化热图中的再分发。
图;distplot (mc, X);
链的周期性是显而易见的。
通过将马尔可夫链转换为惰性链来去除马尔可夫链的周期性。将懒惰链的转移矩阵绘制为热图。
lc = lazy（mc）;图;ImageC（LC.P）;Colormap（'喷射'）;轴正方形;彩色杆;标题（'理论懒人连锁转换矩阵'）
LC.是A.DTMC对象。懒惰的通过增加持久性概率来创建懒散的链，即，懒惰的强制执行自我循环。
计算延迟链中分布的演变20个时间步骤。在热图中绘制重新分配。
x1 =重新分发（LC，NumSteps）;图;distplot（lc，x1）;
将状态分布的演变为动画直方图。指定帧速率为1秒。
图;distplot（lc，x1，'类型'那'直方图'那'富裕'1）
计算懒链的静止分布。将其与动画直方图中的最终重新分配进行比较。
Xfix =渐近学（LC）
Xfix =.1×7.0.1300 0.2034 0.1328 0.0325 0.1681 0.1866 0.1468
静止分布和最终再分配几乎相同。
也可以看看
对象
功能
相关的话题
您还可以从以下列表中选择一个网站：
