马尔柯夫预测法

P (m, m k ) 1,
2015-2-6

j 1
ij
i 1, 2,
6
华北电力大学工程造价刘梅
当转移概率 Pij (m, m k ) 只与i，j及时间间距k有关时，即
P ij (m, m k )P ij (k ) 时，称转移概率具有平稳性，同时也称
此链 X n , n 0 是齐次的或时齐的。 本章只限于讨论齐次马氏链！！！
p (Nk2)
为k步转移概率矩阵。 k步转移概率矩阵也具有与一步转移概率矩阵类似的 性质：
(k ) 0 pij 1, N (k ) p ij 1, j 1
2015-2-6
i , j 1, 2, i 1, 2,
,N ,N
（8.1.6）
华北电力大学工程造价刘梅
马尔柯夫预测法，主要用于市场占有率的预测和销售期望 利润的预测，是一种预测事件发生的概率的方法。它是基 于马尔柯夫链，根据事件的目前状况预测其将来各个时刻 （或时期）变动状况的一种预测方法。 马尔柯夫预测法是对地理、天气、市场进行预测的基本方 法，它是地理预测中常用的重要方法之一。
2015-2-6 华北电力大学工程造价刘梅
E1, E2 , Er , Ei ; E j ，当
tr m m k 及
P( X t1 E1, X t2 E2 ,..., X m Ei ) 0
时，有
(8.1.1)
P( X mk E j | X t1 E1, X t 2 E2 ,..., X m Ei ) P( X mk E j | X m Ei )
M 33 5
0 7 3 p23 5 p13
5 p33 7
M 22 1
M 32 0
4 7 1 p22 5 p12 0 p32 7
畅销状态的为M3=8
所以：p1=7/20 p2=5/20 p3=8/20 第三步，计算状态转移概率 矩阵。在计算转移概率时， 最后一个数据不参加计算， 因为它究竟转到哪个状态尚 不清楚。可得：
80 0.2 400
80 0.8 100
2015-2-6
9
2、状态转移概率矩阵 定义8.1.3 称
p11 p 21 pN 1 p12 p22 pN 2 p1 N p2 N P (1) P pNN
为一步转移概率矩阵。 一步转移概率矩阵具有如下性质：
p11
p21
400 0.8 500
20 0.05 400 10 p31 0.1 100
50 0.1 500 300 p22 0.75 400 10 p32 0.1 100 p12
华北电力大学工程造价刘梅
50 p13 0.1 500
p23
p33

该方程就是著名的切普曼-柯莫哥洛夫方程，简称C-K方程。 C-K方程基于下述事实，即“从时刻m所处的状态Ei，即 X(m)=Ei，经时段u+v转移到状态Ej，即X(m+u+v)=Ej”这一事 件可分解成“从X(m)=Ei出发，先经时段u转移到中间状态
Ek(k=1,2,...)，再从Ek经时段v转移到状态Ej”这样一些事件的 和事件。
– 第一步，划分预测对象(系统)所出现的状态。从预测目的出发，并 考虑决策者的需要适当划分系统所处的状态。 – 第二步，计算初始概率。在实际问题中，分析历史资料所得的状态 概率称为初始概率。 ►设有N个状态E1，E2，…，EN。观测了M个时期，其中状态 Ei(i=1，2，…，N)出现了Mi次。于是 fi M i M 就是Ei出现的 频率，这里用它近似地表示Ei出现的概率。即
2015-2-6 华北电力大学工程造价刘梅
3
2、马尔柯夫链
数学中，时间和状态都是离散的马尔可夫过程称为马尔柯夫 链（或马氏链）。 马尔柯夫链是与马尔柯夫过程紧密相关的一个概念。 马尔柯夫链，指出事物系统的状态由过去转变到现在，再由 现在转变到将来，一环接一环像一根链条，而作为马尔柯夫 链的动态系统将来是什么状态，取什么值， 只与现在的状 态、取值有关，而与它以前的状态、取值无关。因此，运用
2
二、马尔柯夫过程与马尔柯夫链
1、马尔柯夫过程与无后效性 事物的发展状态总是随着时间的推移而不断变化的。在一般 情况下，人们要了解事物未来的发展状态，不但要看到事物 现在的状态，还要看到事物过去的状态。马尔柯夫认为，还 存在另外一种情况， 人们要了解事物未来的发展状态，只须 知道事物现在的状态，而与事物以前的状态毫无关系。 例如，Ａ产品明年是畅销还是滞销， 只与今年的销售情况 有关，而与往年的销售情况没有直接的关系。后者的这种情 况就称为马尔柯夫过程，前者的情况就属于非马尔柯夫过程。 马尔柯夫过程的重要特征是无后效性，即事物第n次出现的 状态，只与其第n-1次的状态有关，它与以前的状态无关。
马尔柯夫链只需要最近或现在的动态资料便可预测将来。
马尔柯夫预测法，就是应用马尔柯夫链来预测市场未来变化 状态。
2015-2-6 华北电力大学工程造价刘梅
4
定义8.1.1 设随机时间序列 X n , n 0 满足如下条件：
(1)每个随机变量Xn只取非负整数值。 (2)对任意的非负整数 0 t1 t2
2015-2-6 华北电力大学工程造价刘梅
12
C-K方程也可写成矩阵形式：
P
( u v )
P P
(u)
(v)
利用C-K方程我们容易确定n步转移概率。在上式中令 u=1，v=n-1，得递推关系：
P
从而可得
(n)
P P
(1)
( n 1)
PP
( n 1)
P( n ) Pn
就是说，对齐次马氏链而言，n步转移概率矩阵是一步 转移概率矩阵的n次方。
2015-2-6 华北电力大学工程造价刘梅
7
例8.1.1
某地区有甲、乙、丙三家食品厂生产同一食品，有1 000个 用户(或购货点)，假设在研究期间无新用户加入也无老用 户退出，只有用户的转移。 已知2002年5月份有500户是甲厂的顾客，400户是乙厂的顾
客，100户是丙厂的顾客。6月份：甲厂有400户原来的顾
fi pi (i 1,2,
2015-2-6
, N)
15
华北电力大学工程造价刘梅
– 第三步，计算状态转移概率。仍然以频率近似地表示概率进行计算。 首先计算状态 Ei E j (由Ei转移到Ej)的频率
fij f ( E j Ei )
从第二步知道Ei出现了Mi次，接着从Mi个Ei出发，计算下一步转 移到Ej的个数Mij，于是得到
(8.1.2) 则称 X n , n 0 为马尔柯夫链。
, Ei ; E j ) 为状态空间，是随机变量Xn在对应的时 间 T (0 t1 t2 m m k ) 可能取到的值。 E( E1, E2 ,
2015-2-6 华北电力大学工程造价刘梅
5
三、状态转移概率
1、状态转移概率 在马尔可夫链的每一步，系统根据概率分布，可以从一个状 态变到另一个状态，也可以保持当前状态。状态的改变叫做 状态转移，与不同的状态改变相关的概率叫做状态转移概率。 称条件概率
定义8.1.2 称
(k ) P ij (m) P( X mk E j | X m Ei )
(8.1.4)
为k步转移概率。 特别地，当k=1时，P( X m1 E j | X m Ei ) 称为一步转 移概率，记为
P ij P ij (m) P( X m1 E j | X m Ei )
max{ pi1, pi 2 , , piN } pij
时，可以预测下一步系统将转向状态Ej。
2015-2-6 华北电力大学工程造价刘梅
16
例8.2.1 某商店在最近20个月的商品销售量统计记录见
表8.2.1。试预测第21个月的商品销售状态。
解：第一步，划分状态。按盈利状况将销售状态划分以下几种：
客，上月的顾客有50户转乙厂，50户转丙厂；乙厂有300 户原来的顾客，上月的顾客有20户转甲厂，80户转丙厂；
丙厂有80户原来的顾客，上月的顾客有10户转甲厂，10
户转乙厂。 试计算其状态转移概率。
2015-2-6 华北电力大学工程造价刘梅
8
解：由题意得6月份顾客转移表8.1.1。
由表8.1.1可知，6月份有430户是甲厂顾客；360户是乙厂的 顾客；210户是丙厂的顾客。于是：
2015-2-6
P (2)
0.49 0.25 0.26 P 2 0.49 0.26 0.25 0.48 0.21 0.31
14
华北电力大学工程造价刘梅
§8.2 商品销售状态预测
马尔柯夫链预测方法的最简单类型，是预测下一期最可能
出现的状态。可按以下步骤来完成：
f ij
并令 f p ij ij
M ij
Mi
– 第四步，根据转移概率进行预测。由第三步可得状态转移概率矩阵 P。如果目前预测对象处于状态Ei。这时 pij 就描述了目前状态Ei在
未来将转向状态 Ej(j=1，2，…，N)的可能性。按最大概率原则，
这里选择 ( pi1, pi 2 ,
, piN ) 中最大者对应的状态为预测结果。即当
11
3、多步转移概率的确定
(n) (n) 为了确定齐次马氏链的n步转移概率 P ，首先介绍 P ij ij 所满足的基本方程。
设 X n , n T 是一齐次马氏链，则对任意的 u, v T ，有
P
( u v ) ij
P P , i, j 1,2,
k 1 (u) (v ) ik kj
(1)销售量<60千件，属滞销。
(2)60千件≤销售量≤100千件，属一般。
(3)销售量>100千件，属畅销。
2015-2-6 华北电力大学工程造价刘梅
17
第二步，计算初始概率pi。 滞销状态的为M1=7 一般状态的为M2=5
M11 3 M 21 1
M 31 2
M12 4
M13 0 M 23 3
P( X mk E j | X m Ei ) P ij (m, m k )
（8.1.3）
为马氏链在时刻m处于状态Ei的条件下，在时刻m+k转移到状 态Ej的状态转移概率。 由于链在时刻m从任何一个状态Ei出发，到另一个时刻m+k， 必然转移到 诸状态中的某一个，所以 E1 , E2 ,
第八章
§8.1 §8.2 §8.3 §8.4
2015-2-6
马尔柯夫预测法
马尔柯夫链简介 商品销售状态预测 市场占有率预测 期望利润预测
华北电力大学工程造价刘梅
1
§8.1 马尔柯夫链简介
一、马尔柯夫预测法含义
马尔柯夫是俄国著名的数学家。马尔柯夫预测法（Markov Forecasting Model）是以马尔柯夫的名字命名的一种特殊 的市场预测方法。
2015-2-6 华北电力大学工程造价刘梅
13
例8.1.2 某经济系统有三种状态E1，E2，E3(比如畅销、
一般、滞销)。系统状态转移情况见表8.1.2。试求系统的2 步转移概率矩阵。
解：按照与例8.1.1相同的步骤可得一步状态转移概率矩阵
0.50 0.167 0.333 P 0.444 0.222 0.334 0.4 0.1 0.50
2015-2-6
wenku.baidu.com
从而
3 7 1 p21 5 2 p31 7 p11
所以
3 7 1 P 5 2 7
4 4 1 5 0
0 3 5 5 7
18
华北电力大学工程造价刘梅
第四步，预测第21个月的销售情况。由于第20个月销售量处 于畅销状态，而经由一次转移到达三种状态的概率分别为
0 pij 1, N pij 1, j 1
2015-2-6
i , j 1, 2, i 1, 2,
华北电力大学工程造价刘梅
,N ,N
（8.1.5）
10
定义8.1.4
称
(k ) p11 (k ) p 21 (k ) pN 1 (k ) p12 (k ) p22 k) p1(N (k ) p2 (k ) N P (k ) p NN