更改

添加13字节 、 2025年6月16日 (一) 08:31
小
第40行: 第40行:  
例如,第一次投掷结果为11234,由于有两个1,所以你可以保持对应的两个骰子不动,接下来,你只需要重新投掷234对应的三个骰子就可以。<ref name=":9">http://www.stat.yale.edu/~pollard/Courses/251.spring2013/Handouts/Chang-MarkovChains.pdf</ref>
 
例如,第一次投掷结果为11234,由于有两个1,所以你可以保持对应的两个骰子不动,接下来,你只需要重新投掷234对应的三个骰子就可以。<ref name=":9">http://www.stat.yale.edu/~pollard/Courses/251.spring2013/Handouts/Chang-MarkovChains.pdf</ref>
   −
在这个随机过程中,我们可以用变量[math]X_t[/math]来建模如下变量:第[math]t[/math]次投掷中,结果相同的骰子数量,这样,该游戏的状态空间为[math]S=\{0,1,\cdots,5\}[/math]。在第<math>t+1</math>步中,系统的状态[math]X_{t+1}[/math]显然只依赖于t步的状态集合[math]X_t[/math],而与更早的状态无关,因此这也是一个马尔可夫过程。
+
在这个随机过程中,我们可以用变量[math]X_t[/math]来建模如下变量:第[math]t[/math]次投掷中,结果相同的骰子数量,这样,该游戏的状态空间为[math]S=\{0,1,\cdots,5\}[/math]。在第<math>t+1</math>步中,系统的状态[math]X_{t+1}[/math]显然只依赖于<math>t</math>步的状态集合[math]X_t[/math],而与更早的状态无关,因此这也是一个马尔可夫过程。
    
===定义===
 
===定义===
5,443

个编辑