石家庄栾城区建设局网站,百度广告联盟电话,陕西专业网站开发公司,第一个做电子商务的网站浙江大学版《概率论与数理统计》一书#xff0c;第13章第1节例2#xff1a;
这个解释和模型比较简单易懂。
接下来#xff0c;第13章第2节的例2也跟此模型相关#xff1a; 在我自己的理解中#xff0c;此题的解法跟上一个题目一样#xff0c;其概率如下面的二维矩阵第13章第1节例2
这个解释和模型比较简单易懂。
接下来第13章第2节的例2也跟此模型相关 在我自己的理解中此题的解法跟上一个题目一样其概率如下面的二维矩阵第二级传输也就是n为2矩阵一共有4中可能的概率求其期望值即求所有概率及值之积的和。 { p n q n q n p n } \begin {Bmatrix} p^n q^n \\ q^n p^n \end{Bmatrix} {pnqnqnpn}
然而仔细考虑之后发现不妥。因为最后结果的概率这样计算不太合适但是又没有发现更合理的理论和方法。
继续搜看教材看到这一节的如下论述 似乎抓到了什么但是又特别模糊。
再看一下C-K方程
因此参考此文https://blog.csdn.net/m0_37567738/article/details/132182007?spm1001.2014.3001.5502可以得出结论此种题目的解题方法还是要回到马尔可夫概率转移矩阵中去找答案。
我觉得要理解此题目的底层逻辑还需要了解以下公式 P { X n a n } ∑ i 1 ∞ P { X n a n , X 0 a i } ∑ i 1 ∞ P { X n a n ∣ X 0 a i } P { X 0 a i } ∑ i 1 ∞ P i ( 0 ) P i j ( n ) ∑ i 1 ∞ P i 1 ( 1 ) P i j ( n − 1 ) ∑ i 1 ∞ P 2 i ( 2 ) P i j ( n − 2 ) ∑ i 1 ∞ P 3 i ( 3 ) P i j ( n − 3 ) . . . . . . P \{X_n a_n\} \sum_{i 1}^{\infty} P\{ X_n a_n, X_0 a_i \} \\ \sum_{i 1}^{\infty} P\{ X_n a_n|X_0 a_i \} P\{ X_0 a_i \}\sum_{i1}^{\infty} P_i(0) P_{ij}(n) \\ \sum_{i1}^{\infty} P_{i1}(1) P_{ij}(n-1) \sum_{i1}^{\infty} P_{2i}(2) P_{ij}(n-2) \sum_{i1}^{\infty} P_{3i}(3) P_{ij}(n-3) ...... \\ P{Xnan}i1∑∞P{Xnan,X0ai}i1∑∞P{Xnan∣X0ai}P{X0ai}i1∑∞Pi(0)Pij(n)i1∑∞Pi1(1)Pij(n−1)i1∑∞P2i(2)Pij(n−2)i1∑∞P3i(3)Pij(n−3)......
这个逻辑的本质区别就在于它是利用后验概率去推算先验概率这是一种理论上的优越性。
我们想要求解的概率P它依赖于其概率矩阵的乘法运算而不是矩阵中4个转换概率的期望值。
