Markov Chains

随机过程:一族随机变量,随机变量在不同的时间满足某种分布,称为随机过程。

有一种假设是,在不同的时间点,概率分布都是一样的,这种叫做平稳的随机过程。

由于随机过程这个概念太过于广泛,通常我们会对这个过程做一些限制进行研究。马尔可夫性质:随机过程有一种性质叫做马尔可夫性质。对随机过程还有一种限制,我们称作马尔可夫性质。

马尔科夫性质是指将来发生的事情只和现在有关,和过去无关,具有马尔可夫性质的随机过程叫做马尔可夫过程。

随机过程可依时间(参数)分为连续参数随机过程和离散参数随机过程或随机序列。

状态和时间都是离散的马尔可夫过程,我们称为马尔可夫链。

状态转移图,转移概率,转移概率矩阵(同一行加起来是1,同一列不一样),齐次马氏链,一步转移概率矩阵,N 步转移概率矩阵。
C-K方程
矩阵的N次方求解:分解成为标准型
遍历性:是否收敛,如果马尔可夫链能够收敛,则称为具有遍历性;
定理:遍历性收敛的条件,转移矩阵的特征向量;

应用:
排队论等统计模型建模
语音识别
基因预测
搜索引擎鉴别网页质量——PR值
四网页模型,可以写成概率转移矩阵,我们想要找到它的遍历性。

EM算法和最大熵模型