Summary
Markov过程和Markov链 1 Markov过程 1.1 定义对于一个随机过程{ξ(t),t∈T}\{\xi (t), t\in T\}{ξ(t),t∈T}，如果∀m+1\forall m+1∀m+1时刻，满足ftm+1∣t1,…,tm(xm+1∣x1,…,xm)=ftm+1∣tm(xm+1∣xm)f_{t_{m+1}|t_1,\dots,t_m}(x_{m+1}|x_1, \dots,x_m) = f_{t_{m+1}|t_m}(x_{m+1}|x_m)ftm+1∣t1,…,tm(xm+1∣x1,…,xm)=ftm+1∣tm(xm+1∣xm)即随机过程下一个时刻只与现在这个时刻有关，与过去都没有关系，这样的随机过程就叫做Markov过程。 1.2 性质（1）Markov过程的有限维PDF写作ft1,…,tm(x1,…,xm)=ftm∣tm−1(xm∣xm−1)⋯ft2∣t1(x2∣x1)ft1(x1)f_{t_1,\dots, t_m}(x_1,\dots,x_m)=f_{t_m|t_{m-1}}(x_m|x_{m-1})\cdots f_{t_2|t...