Обзор инструментов анализа цепи Маркова см. в разделе Моделирование цепи Маркова.
Марковские цепи являются марковскими процессами дискретного состояния, описанными правостохастической переходной матрицей и представленными ориентированным графом.
The dtmc класс предоставляет базовые инструменты для моделирования и анализа дискретных цепей Маркова. Класс поддерживает цепи с конечным числом состояний, которые развиваются за дискретное время с однородной по времени структурой перехода.
Создание и изменение объектов модели цепи Маркова
Создайте объект модели марковской цепи из матрицы переходов состояний вероятностей или наблюдаемых отсчётов и создайте случайную цепь Маркова с заданной структурой.
Визуализация структуры и эволюции марковской цепи
Визуализируйте структуру и эволюцию модели Марковской цепи с помощью dtmc Функции построения графика.
В этом примере показано, как работать с данными перехода из эмпирического массива отсчётов состояний и создать дискретную цепь Маркова (dtmc) модель, характеризующая переходы состояний.
Определите асимптотическое поведение марковской цепи
Вычислите стационарное распределение марковской цепи, оцените время ее смешения и определите, является ли цепь эргодичной и редуцируемой.
Сравнение времени смешения марковских цепей
Сравните предполагаемое время смешения нескольких марковских цепей с отличными структурами.
Идентифицируйте классы в марковской цепи
Программно и визуально идентифицируйте классы в марковской цепи.
Симулируйте случайные прогулки по марковской цепи
Сгенерируйте и визуализируйте случайные прогулки по марковской цепи.
Вычисление распределения состояний марковской цепи на каждом временном шаге
Вычислите и визуализируйте перераспределения состояний, которые показывают эволюцию детерминированных распределений состояний с течением времени от начального распределения.