主要内容
重新分配
计算Markov链重新分发
描述
例子
可视化状态分布的演化
从包含八个不可行转换的随机生成的转换矩阵创建四态马尔可夫链。
rng (“默认”）;%的再现性mc = mcmix（4，“零”8);
mc是A.DTMC对象。
画一个马尔可夫链的有向图。
图;graphplot (mc);
州4.是一种吸收状态。
为10个离散时间步骤计算每个步骤的状态重新分布。假设状态的初始分布是均匀的。
x =重新分发（MC，10）
X =11×4.0.2500 0.2500 0.2500 0.2500 0.0869 0.2577 0.3088 0.3467 0.1073 0.2990 0.1536 0.4402 0.0533 0.2133 0.1844 0.5489 0.0641 0.2010 0.1092 0.6257 0.0379 0.1473 0.1162 0.6985 0.0404 0.1316 0.0765 0.7515 0.0266 0.0997 0.0746 0.7991 0.0259 0.0864 0.0526 0.8351 0.0183 0.0670 0.0484 0.8663⋮
X.是一个11-by-4矩阵。行对应于时间步骤，列对应于状态。
可视化状态重新分配。
图;distplot（mc，x）
10次过渡后，分布似乎与州的大多数概率质量居中4.．
指定状态重新分配的初始分发
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）;
绘制马尔可夫链的一条指向图。通过使用边缘颜色表示过渡的概率。
图;graphplot（MC，'着色'，真的）;
使用随机初始值计算Markov链的20步重新分布。
rng (1);%的再现性x0 =兰德(mc.NumStates, 1);RD =重新分配（MC，20，'x0'，x0）;
绘制重新分配。
图;Distplot（MC，RD）;
再分配表明，这个链条是有周期的，周期为3。
通过创建一个惰性版本的马尔可夫链来删除周期性。
lc = lazy（mc）;
使用随机初始值计算延迟链的20步重新分布。绘制重新分配。
x0 =兰德(mc.NumStates, 1);lrd1 =重新分配(lc 20'x0'，x0）;图;distplot（lc，lrd1）;
再分配似乎在几个步骤之后就稳定下来了。
输入参数
输出参数
提示
可视化由此创建的数据重新分配,使用distplot．
另请参阅
对象
功能
在R2017B中介绍
您还可以从以下列表中选择一个网站：
