怎麼样才能更了解〔马可夫链〕的内涵?
一开始就直切马克夫链有点难,先从高中的马克夫矩阵说起吧。
马克夫矩阵,又称推移矩阵,是普遍被用在推得一个情况的无限演变情形用的。打个比方,公司有一份报纸的在A、B、C市占率,并大约了解一年后的市场流动状况,公司就可以将ABC的原市占率乘上流动状况的马克夫矩阵,推算一年后的市占率,甚至是几年后的市占率,最后可以推算到无限久后的市占率。
此例化为数字可以这样看:
假设ABC的市占率分别为20%、20%和40%
A报每年会流失30%到B,流失30%到C
B报每年会流失20%到A,流失30%到C
C报每年会流失40%到A,流失40%到B
那麼,一开始可以获得起始的市占率矩阵A0
A→ 0.2
B→ [ 0.2 ]
C→ 0.4
并也可以写出流动的马克夫矩阵P
A B C
A→ 0.4 0.3 0.3
B→ [ 0.2 0.5 0.3 ]
C→ 0.4 0.4 0.2
(第一列的数字分别为"A报继续订阅"、"A报转定B报"、"A报转定C报",以下类推)
而马克夫矩阵本身有一些特点,需要特别注意:
1.每行的和为1(单一机率的总和本来就是1)
2.每列的和也为1(指事件变化的机率总和)
有了这些资料我们可以开始推估一年后的市占率A1
0.4 0.3 0.3 0.2 0.26
A1=P X A0=[ 0.2 0.5 0.3 ][0.2]=[0.26]
0.4 0.4 0.2 0.4 0.24
於是我们知道一年后的市占率为26%、26%、24%
当然我们可以一直重复的作下去,推得每一年的状况,一直到最后数字趋於稳定,我们称之"终极状态"。这个状态也是可以用数学求知的,只要使用PX=X的关系式即可(X为终极状态的矩阵)。
而马克夫链简单说就是用来求出一个事件的后续发展可能(当然,就是机率罗),网页上的说法是正式的定义,将一个机率的向量与其他向量做结合,观察后面的发展状况。其实说向量还太难了,说成矩阵会比较容易懂,像上面例子中的A0就是一个所谓的向量了(当然我们还是说矩阵啦)。
马克夫链在数学的应用比较广也稍微比较抽象,因为并不是所有的推移状况都一定如一般机率趋於稳定,也可能变成无限回圈,或者其他的演变状况,这些,都可以用一些马可夫链的相关数学来求得。
网页的说明因为大量使用严密的定义,读起来可能稍为吃力点,建议有大学的数学程度再看比较好。
马可夫链的简介
http://episte.math.ntu.edu.tw/articles/mm/mm_09_3_08/index.html
不知道你是不是准备做FE方向
连续时间金融里面很有用
建议好好去学随机过程
学好灰色理论