文章目录


1 转移矩阵

转移概率矩阵(又叫跃迁矩阵,英文名:transition matrix)是俄国数学家马尔科夫提出的,他在20世纪初发现:一个系统的某些因素在转移中,第n次结果只受第n-1的结果影响,即只与当前所处状态有关,而与过去状态无关。 在马尔科夫分析中,引入状态转移这个概念。所谓状态是指客观事物可能出现或存在的状态;状态转移是指客观事物由一种状态转移到另一种状态的概率。

转移矩阵:矩阵各元素都是非负的,并且各行元素之和等于1,各元素用概率表示,在一定条件下是互相转移的,故称为转移概率矩阵。如用于市场决策时,矩阵中的元素是市场或顾客的保留、获得或失去的概率。P^(k)表示k步转移矩阵。

机器学习(MACHINE LEARNING)MATLAB求解状态转移矩阵_数组

谓矩阵,是指许多个数组成的一个数表。每个数称为矩阵的元素。矩阵的表示方法是用括号将矩阵中的元素括起来,以表示它是一个整体。

矩阵中的行数与列数可以相等,也可以不等。当它们相等时,矩阵就是一个方阵。由转移概率组成的矩阵就是转移概率矩阵。也就是说构成转移概率矩阵的元素是一个个的转移概率.

2 举例

例如对应于一个天气预报的问题,若天气状态转移概率表如下:

(其中行表示今天概率,列表示明天概率。注意每一列之和为1,因为已假设明天仅这三种状态。)

机器学习(MACHINE LEARNING)MATLAB求解状态转移矩阵_matlab代码_02

写作矩阵形式为图所示。

机器学习(MACHINE LEARNING)MATLAB求解状态转移矩阵_状态转移_03

其中转移矩阵A的每一个元素都表示从今天的一种状态到明天的一种状态的概率,例如,第2行第3列的值为1/2,这表示今天下雨而明天转阴的概率是1/2。

每一列之和为1.

3 代码求解状态转移矩阵

求状态转移矩阵,现给出矩阵如下:

机器学习(MACHINE LEARNING)MATLAB求解状态转移矩阵_状态转移_04

采用拉普拉斯变换法,matlab代码如下:

syms s t x0 tao phi phi0;声明变量
A=[-13/7 -2/7;4/7 -22/7];
I=[1 0;0 1];
E=s*I-A;
C=det(E);
D=collect(inv(E));
phi0=ilaplace(D)

机器学习(MACHINE LEARNING)MATLAB求解状态转移矩阵_数组_05