学习矩阵之 马尔可夫过程
2007-10-07 16:41
197 查看
先看一个例子:
某公司对生产的产品通过市场调查得到的统计资料表明,已经使用本公司的产品的客户中有 60%表示仍将继续购买该产品,在尚未使用过该产品的被调查都中 25%的表示将购买产品,目前该产品在市场中的占有率为 60%,能否预测 x年后该项产品的市场占有率的情况呢?
该类问题可以扩展到其它的问题例如人口迁移模型,状态转移模型等。
从数学的角度来抽象这个问题:
一个有限个状态的系统,每一时刻处在一个确定的状态中,随时间时间的推移,系统将从一个状态迁移到另一个状态,我们利用过去通过调查得到的资料,再根据概率理论预测将来某个时刻会出现的状态。这样一种连续的过程叫做马尔可夫过程。
假设系统有 N 种可能的状态,记为1,2,.... ,n,假设在革个观察期间,它对状态为 j,而在下一个观察期间,它的状态为 i 的概率为Pij,则 Pij为转移概率,它的取值自[0,1]之间,即0<=Pij<=1,且满足:
P1j+P2j + ... + Pnj = 1
定义一个矩阵 P=(pij),这是n 阶方阵,称为概率矩阵或转移矩阵,那么本例一开始提出的关于市场营销调查的例子中,定义一个概率矩阵
P = [p11,p12]
[p21 p22]
初始矩阵
V0 = [0.6]
[0.4]
则K年之后的状态为:
V(k) = PkV0
利用矩阵特征值,将P可对角化,解决P的链乘,问题得以解决。
某公司对生产的产品通过市场调查得到的统计资料表明,已经使用本公司的产品的客户中有 60%表示仍将继续购买该产品,在尚未使用过该产品的被调查都中 25%的表示将购买产品,目前该产品在市场中的占有率为 60%,能否预测 x年后该项产品的市场占有率的情况呢?
该类问题可以扩展到其它的问题例如人口迁移模型,状态转移模型等。
从数学的角度来抽象这个问题:
一个有限个状态的系统,每一时刻处在一个确定的状态中,随时间时间的推移,系统将从一个状态迁移到另一个状态,我们利用过去通过调查得到的资料,再根据概率理论预测将来某个时刻会出现的状态。这样一种连续的过程叫做马尔可夫过程。
假设系统有 N 种可能的状态,记为1,2,.... ,n,假设在革个观察期间,它对状态为 j,而在下一个观察期间,它的状态为 i 的概率为Pij,则 Pij为转移概率,它的取值自[0,1]之间,即0<=Pij<=1,且满足:
P1j+P2j + ... + Pnj = 1
定义一个矩阵 P=(pij),这是n 阶方阵,称为概率矩阵或转移矩阵,那么本例一开始提出的关于市场营销调查的例子中,定义一个概率矩阵
P = [p11,p12]
[p21 p22]
初始矩阵
V0 = [0.6]
[0.4]
则K年之后的状态为:
V(k) = PkV0
利用矩阵特征值,将P可对角化,解决P的链乘,问题得以解决。
相关文章推荐
- 线性代数学习笔记二:矩阵及其运算
- 线性代数学习笔记三:矩阵的初等变换与线性方程组
- 从零开始学习OpenGL ES之七 – 变换和矩阵
- 数据结构&算法学习笔记: 快速幂&矩阵快速幂
- R语言学习——矩阵
- Java学习笔记13:输出26个字母矩阵
- OpenCV学习-常用的图像和矩阵操作函数
- 嵌入式学习笔记(8)——51单片机之矩阵键盘
- DirectX 11游戏编程学习笔记之3: 第2章Matrix Algebra(矩阵代数)
- Opencv 学习笔记(2):Mat矩阵的初始化
- OpenCV学习——矩阵基本操作
- 【日常学习】【区间DP+高精】codevs1166 矩阵取数游戏题解
- 超分辨率重建学习——一些矩阵的知识点
- 大力理解深度学习数据处理稀疏矩阵!
- 【OpenCV学习】矩阵操作总结
- 矩阵乘法,留待熟悉一下类再学习。
- OpenCV 2.4.9 学习笔记(3)—— OpenCV自动为输出数组(矩阵)分配内存
- CUDA学习--一维矩阵的加
- 算法学习之一(二):矩阵计算——LU分解
- 【1.1】Eigen C++ 矩阵开源库学习之稠密矩阵和数组操作——矩阵类