马尔科夫.doc

Z马尔科夫等人在代数数论方面的工作与切比雪夫在解析数论方面的工作一起，确立了彼得堡数学学派在数论领域的领先地位。 1833年，法国一个不太出名的数学家比内梅（J. Bienayme,17961878） 向巴黎科学院递交的一篇论文中，将力学中矩的概念作了推广，但文章直到三十四年后才在刘维尔 ( J. Liouville,18091882）的纯粹与应用数学杂志上刊登出来。切比雪夫立即意识到矩的研究具有重要意义，并试图在对概率论极限定理的证明中应用这一工具。他在1874年写成的论文关于积分的极限值中，借助于矩给出了某类非负函数积分以连分数形式表达的极值不等式，但没有证明。 几乎在马尔科夫证明切比雪夫不等式的同时，荷兰数学家斯提吉斯（Th. J. Stieltjes,18561894） 也开始了同样的研究，他在关于所谓力学积分法的研究一文中给出了与马尔科夫类似的结果。作为回答与对好友的纪念，马尔科夫于1895年发表了关于某些连分数收敛性的两个证明，在其中给出了斯提吉斯连分数收敛的充分条件。 把概率论从濒临衰亡的境地挽救出来，这是彼得堡数学学派为人类作出的伟大贡献。切比雪夫。马尔科夫和李雅普诺夫师生三人为此付出了艰辛的劳动，其中尤以马尔科夫的工作最多。据统计，他生平发表的概率论方面的文章或专著共有二十五篇（部）之多，大约从1883年起，马尔科夫就开始考虑概率论中的基本问题了。进入二十世纪以后，他的兴趣转移到相依随机变量序列上来，并创立了使他名垂千古的那个概率模型。 概率论中的一个基本问题就是探索概率接近于1时的规律。特别是大量独立或弱相依因素累积结果所发生的规律，大数定律就是研究这种规律的命题之一。1845年，切比雪夫第一次严格地证明了贝努利形式的大数定律，次年他又把结果推广到泊松形式的大数定律。前文已经提到，切比雪夫首先尝试在概率论的背景中使用矩方法。1884年马尔科夫证明了切比雪夫提出的不等式后，加快了工作步伐，于1887年得到中心极限定理的初步证明。同年，马尔科夫又在关于方程ex (d n e-x /dxn ) = 0的解一文中，尽力精确地陈述并证明了切比雪夫提出的命题。改进后的方法被人称作切比雪夫马尔科夫方法。马尔科夫进而把自己和老师的一系列结果，都写进1900年出版的概率演算一书之中。 3、随机过程理论的开拓者 在当代科学与社会的广阔天地里，人们都可以看到一种叫作随机过程的数学模型：从银河亮度的起伏到星系空间的物质分布、从分子的布朗运动到原子的蜕变过程，从化学反应动力学到电话通讯理论、从谣言的传播到传染病的流行、从市场预测到密码破译，随机过程理论及其应用几乎无所不在。人类历史上第一个从理论上提出并加以研究的过程模型是马尔科夫链，它是马尔科夫对概率论乃至人类思想发展作出的又一伟大贡献。 出于扩大极限定理应用范围的目的，马尔科夫在本世纪初开始考虑相依随机变量序列的规律，并从中选出了最重要的一类加以研究。1906年他在大数定律关于相依变量的扩展一文中，第一次提到这种如同锁链般环环相扣的随机变量序列，其中某个变量各以多大的概率取什么值，完全由它前面的一个变量来决定，而与它更前面的那些变量无关。这就是被后人称作马尔科夫链的著名概率模型。也是在这篇论文里，马尔科夫建立了这种链的大数定律。 用一个通俗的比喻来形容，一只被切除了大脑的白鼠在若干个洞穴间的蹿动就构成一个马尔科夫链。因为这只白鼠已没有了记忆，瞬间而生的念头决定了它从一个洞穴蹿到另一个洞穴；当其所在位置确定时，它下一步蹿往何处与它以往经过的路径无关。这一模型的哲学意义是十分明显的，用前苏联数学家辛钦（18941959的话来说，就是承认客观世界中有这样一种现象，其未来由现在决定的程度，使得我们关于过去的知识丝毫不影响这种决定性。这种在已知“现在”的条件下，“未来”与“过去”彼此独立的特性就被称为马尔科夫性，具有这种性质的随机过程就叫做马尔科夫过程，其最原始的模型就是马尔科夫链。 这即是对荷兰数学家惠更斯（Ch. Huygens,16291659）提出的无后效原理的概率推广，也是对法国数学家拉普拉斯（P. S. Laplace,17491827）机械决定论的否定。 马尔科夫所建立的概率模型不但具有深刻的哲学意义，而且具有真实的物质背景，在他的工作之前或同时，一些马尔科夫链或更复杂的随机过程的例子已出现在某些人的研究中，只不过这些人没有自觉地认识到这类模型的普遍意义或用精确的数学语言表述出来罢了。例如苏格兰植物学家布朗 ( R. Brown,17731858） 于1827年发现的悬浮微粒的无规则运动、英格兰遗传学家高尔顿（F.Galton,18221911） 于1889年提出的家族遗传规律、荷兰物理学家埃伦费斯特 ( P. Ehrenfest,18801933） 于1907年关于容器中分子扩散的实验，以及传染病感染的人数，谣言的传播，原子核中自由电子的跃迁，人口增长的过程等等，都可用马尔科夫链或过程来描述。也正是在统计物理、量子力学、遗传学以及社会科学的若干新课题、新事实面前，决定论的方法显得百孔千疮、踵决肘见。 在概率演算第四版中，他统计了长诗叶甫盖尼奥涅金中元音字母和辅音字母交替变化的规律：这是长诗开头的两句，意为：“我不想取悦骄狂的人生，只希望博得朋友的欣赏。”诗人那火一般的诗篇在数学家那里变成了一条冷冰冰的锁链：在这条锁链上只有两种链环，C代表辅音、 代表元音（为了使问题简化起见，不仿把两个无音字母算作辅音）。马尔科夫分别统计了在C后面出现C和 的概率p和1p，以及在 后出现C和 的概率q和1q，把结果与按照俄语拼音规则计算出的结果进行比较，证实了语言文字中随机的（从概率的意义上讲）字母序列符合他所建立的概率模型。 完成了关于链的大数定律的证明之后，马尔科夫又开始在一系列论文中研究链的中心极限定理。1907年他在一种不平常的相依试验中证明了齐次马尔科夫链的渐近正态性；1908年在一个链中变量和的概率计算的极限定理推广中作了进一步的推广；1910年他发表了重要的论文成连锁的试验，在其中证明了两种情况的非齐次马尔科夫链的中心极限定理。与此同时他在一些假定的前提下证明了模型的各态历经性，成为在统计物理中具有重要作用的遍历理论中第一个被严格证明的结果。遍历理论亦称ergodic理论，是奥地利物理学家玻耳兹曼（L. Boltzmann,18441906） 于1781年提出来的，其大意是：一个系统必将经过或已经经过其总能量与当时状态相同的另外的任何状态。 预测1.1.基本概念 1.1.1 随机变量 、 随机函数与随机过程 一变量x，能随机地取数据（但不能准确地预言它取何值），而对于每一个数值或某一个范围内的值有一定的概率，那么称x为随机变量。 假定随机变量的可能值xi发生概率为Pi，即P(x = xi) = Pi，对于xi的所有n个可能值，有离散型随机变量分布列：Pi = 1 对于连续型随机变量，有 P(x)dx = 1 在试验过程中，随机变量可能随某一参数（不一定是时间）的变化而变化. 如测量大气中空气温度变化x = x(h），随高度变化。这种随参变量而变化的随机变量称为随机函数。而以时间t作参变量的随机函数称为随机过程。也就是说：随机过程是这样一个函数，在每次试验结果中，它以一定的概率取某一个确定的，但预先未知的时间函数。 1.1.2 马尔科夫过程 随机过程中，有一类具有“无后效性性质”，即当随机过程在某一时刻to所处的状态已知的条件下，过程在时刻tto时所处的状态只和to时刻有关，而与to以前的状态无关，则这种随机过程称为马尔科夫过程。即是：ito为确知，it(tto）只与ito有关，这种性质为无后效性，又叫马尔科夫假设。 1.1.3 马尔科夫链 时间和状态都是离散的马尔科夫过程称为马尔科夫链。例：蛙跳问题 假定池中有N张荷叶，编号为1，2，3，N，即蛙跳可能有N个状态（状态确知且离散）。青蛙所属荷叶，为它目前所处的状态；因此它未来的状态，只与现在所处状态有关，而与以前的状态无关（无后效性成立） 1.2 状态转移矩阵 1.2. 1 一步状态转移矩阵 系统有N个状态，描述各种状态下向其他状态转移的概率矩阵 P11 P12 P1N 定义为 P = P21 P22 P2N : : : PN1 PN2 PNN 这是一个N阶方阵，满足概率矩阵性质 1） Pij 0,i,j = 1,2，N 非负性性质 2） Pij = 1 行元素和为1,i=1,2，N 如：W1 = 1/4,1/4,1/2,0 概率向量 W2 = 1/3,0,2/3 W3 = 1/4,1/4,1/4,1/2 非概率向量 W4 = 1/3,1/3,-1/3,0,2/3 3）若A和B分别为概率矩阵时，则AB为概率矩阵。 1.2.2 稳定性假设 若系统的一步状态转移概率不随时间变化，即转移矩阵在各个时刻都相同，称该系统是稳定的。这个假设称为稳定性假设。蛙跳问题属于此类，后面的讨论均假定满足稳定性条件。 因此，在已知初始条件下求长期市场占有率就是求稳态概率矩阵，也是求固定概率向量. 求固定概率向量的方法，我们在前一节已有例子，只不过说明了长期市场占有率也是只与稳态矩阵有关，与初始条件无关. 马尔可夫分析法马尔可夫分析法（markov analysis）又称为马尔可夫转移矩阵法，是指在马尔可夫过程的假设前提下，通过分析随机变量的现时变化情况来预测这些变量未来变化情况的一种预测方法。 1、马尔可夫分析法的涵义 单个生产厂家的产品在同类商品总额中所占的比率，称为该厂产品的市场占有率。在激烈的竞争中，市场占有率随产品的质量、消费者的偏好以及企业的促销作用等因素而发生变化，企业在对产品种类与经营方向做出决策时，需要预测各种商品之间不断转移的市场占有率。 市场占有率的预测可采用马尔可夫分析法，也就是运用转移概率矩阵对市场占有率进行市场趋势分析的方法。俄国数学家马尔可夫在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N1次结果影响，只与当前所处状态有关，与其他无关。例如：研究一个商店的累计销售额，如果现在时刻的累计销售额已知，则未来某一时刻的累计销售额与现在时刻以前的任一时刻的累计销售额都无关。 在马尔可夫分析中，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。 2、马尔可夫分析法的一般步骤为： 1、调查目前的市场占有率情况； 2、调查消费者购买产品时的变动情况； 3、建立数学模型； 4、预测未来市场的占有率。 3、马尔可夫分析模型 实际分析中，往往需要知道经过一段时间后，市场趋势分析对象可能处于的状态，这就要求建立一个能反映变化规律的数学模型。马尔可夫市场趋势分析模型是利用概率建立一种随机型的时序模型，并用于进行市场趋势分析的方法。 4、马尔可夫分析法的应用 马尔可夫分析法是研究随机事件变化趋势的一种方法。市场商品供应的变化经常受到各种不确定因素的影响而带有随机性，企业要根据对市场占有率的预测结果采取各种措施争取顾客，如果这种随机性具有无后效性，则用马尔可夫分析法可以对其未来发展趋势进行市场趋势分析，从而采取相应措施提高市场占有率。提高市场占有率一般可采取三种策略： （1）设法保持原有顾客； （2）尽量争取其他顾客； （3）既要保持原有顾客又要争取新的顾客。 第三种策略是前两种策略的综合运用，其效果比单独使用一种策略要好，但其所需费用较高。如果接近于平稳状态时，一般不必花费竞争费用，所以既要注意市场平稳状态的分析，又要注意市场占有率的长期趋势的分析。 争取顾客、提高市场占有率的策略和措施一般有： （1）扩大宣传。主要采取广告方式，通过大众媒体向公众宣传商品特征和顾客所能得到的利益，激起消费者的注意和兴趣。 （2）扩大销售。除联系现有顾客外，积极地寻找潜在顾客，开拓市场。如向顾客提供必要的服务等。 （3）改进包装。便于顾客携带，增加商品种类、规格、花色，便于顾客挑选，激发顾客购买兴趣。 （4）开展促销活动。如展销、分期付款等。 （5）调整经营策略。根据市场变化，针对现有情况调整销售策略，如批量优待、调整价格、市场渗透、提高产品性能、扩大产品用途、降低产品成本等，以保持市场占有率和扩大市场占有率。 人力资源方面的应用 在应用到人力资源管理方面时，马尔可夫分析法是组织内部人力资源供给预测的一种方法，这种方法用于具有相等时间间隔的时刻点上各类人员的分布状况。在具体运用中，假设给定时期内从低一级向上一级或从某一职位转移到另一职位的人数是起始时刻总人数的一个固定比例，即转移率一定，在给定各类人员起始人数、转移率和未来补充人数的条件下，就可以确定出各类人员的未来分布状况，作出人员供给的预测。这种分析方法通常通过流动可能性比例矩阵来进行预测某一岗位上工作的人员流向组织内部另一岗位或离开的可能性。 马尔可夫分析法的适用范围包括： （1）适用于人员流动比例相对稳定的公司； （2 ）适用于每一级别员工人数至少有50 人的公司，但人数稍多时也可使用； （3 ）流向某岗位的人数取决于该岗位空缺的数量。 转移矩阵法1、定义 单个生产厂家的产品在同类商品总额中所占的比率，称为该厂产品的市场占有率。在激烈的竞争中，市场占有率随产品的质量、消费者的偏好以及企业的促销作用等因素而发生变化。企业在对产品种类与经营方向做出决策时，需要预测各种商品之间不断转移的市场占有率。 市场占有率的预测可采用马尔科夫转移矩阵法，也就是运用转移概率矩阵对市场占有率进行市场趋势分析的方法。马尔科夫是俄国数学家，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，只与当前所处状态有关，与其他无关。比如：研究一个商店的累计销售额，如果现在时刻的累计销售额已知，则未来某一时刻的累计销售额与现在时刻以前的任一时刻的累计：销售额都无关。， 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穆到另一种状态的概率。 2、步骤 马尔科夫分析法的一般步骤为： 调查目前的市场占有率情况； 调查消费者购买产品时的变动情况； 建立数学模型； 预测未来市场的占有率。 马尔科夫分析模型实际分析中，往往需要知道经过一段时间后，市场趋势分析对象可能处于的状态，这就要求建立一个能反映变化规律的数学模型。马尔科夫市场趋势分析模型是利用概率建立一种随机型的时序模型，并用于