毕业论文马尔可夫方法

问：马尔科夫分析法是什么？

1. 答：马尔可夫分析法是俄国数学家马尔可夫在1907年提出, 并由蒙特·卡罗加以发展而建立起的一种分析方法。它主要用于分析随机事件未来发展变化的趋势, 即利用某一变量的现在状态和动向去预测该变量未来的状态及动向, 以便采取相应的对策。
   马尔可夫(Markov)模型是一种广泛应用在语音识别、自然语言处理等领域的统计模型。在马尔可夫模型中,若给定当前时刻信息,则过去的状态(指当前时刻以前的状态)对于预测将来的状态(指当前时刻后的状态)是无关的。
   另外一种比较简明的阐述是,过程中某一时刻的状态只依赖于其前n个状态,n取不同的值代表不同阶数的马尔可夫过程。n=1时的马尔可夫过程是一阶马尔可夫模型,即某一时刻的状态只依赖于其前一个状态。

问：马尔可夫分析法的分析模型

1. 答：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。
   马尔可夫分析法的基本模型为：
   X（K+1）=X（K）×P
   式中：X（K）表示趋势分析与预测对象在T=K时刻的状态向量，P表示一步转移概率矩阵，X（K+1）表示趋势分析与预测对象在T=K+1时刻的状态向量。
   必须指出的是，上述模型只适用于具有马尔可夫性的时间序列，并且各时刻的状态转移概率保持稳定，若时间序列的状态转移概率随不同的时刻在变化，不宜用此方法。由于实际的客观事物很难长期保持同一状态的转移概率，故此法一般适用于短期的趋势分析与预测。

问：马尔可夫分析法的介绍

1. 答：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。