离散状态空间马尔可夫过程,或马尔可夫链,用有向图表示,用右随机转移矩阵描述P.时刻状态的分布t+1是时刻的状态分布t乘以P.的结构P确定链的进化轨迹,包括渐近性。
有关马尔可夫链分析工具的概述,请参见马尔可夫链模型.
马尔可夫链是一种离散状态的马尔可夫过程,用右随机转移矩阵描述,用有向图表示。
的dtmc
类为离散时间马尔可夫链的建模和分析提供了基本的工具。该类支持具有有限数量万博1manbetx的状态链,这些状态链在离散时间中演化,具有时间均匀过渡结构。
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,并创建具有特定结构的随机马尔可夫链。
使用可视化的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经验状态计数数组的转换数据,并创建离散时间Markov链(dtmc
)描述状态转换的模型。
计算一个马尔可夫链的平稳分布,估计其混合时间,并确定该链是否遍历和可约。
比较几种不同结构马尔可夫链的估计混合时间。
以编程和可视化的方式识别马尔可夫链中的类。
生成和可视化通过马尔可夫链的随机漫步。
计算和可视化状态重新分布,它显示从初始分布到确定性状态分布随时间的演化。