- 求数据模型与决策作业！急！加分的求数据模型与决策作业！1、根据你
- 求数据模型与决策作业！1、 根据你现有的数据资料，把资料的背景和要准备解决的问题写清楚；
2、 任选一案例，进行数据建模分析，用EXL来做，运算的过程可以打印下来粘贴到卷子上；
3、 根据你数据分析的结果，看是否解决了所提出问题。
所有的数据资料必须是真实的，可以是网上的,可以是自己单位的！
例如经济开发区的投入和产出问题等
- 定随机过程 。如果对任意正整数 ，任意的 ，任意的 S是 的状态空间，总有
则称 为尔可夫过程。
在这个定义中，如果把时刻 看作“现在”，时刻 是“将来”，时刻 是“过去”。马尔可夫过程要求：已知现在的状态 ，过程将来的状态 与过程过去的状态 无关。这就体现了马尔可夫过程具有无后效性。通常也把无后效性称为马尔可夫性。
从概率论的观点看，马尔可夫过程要求，给定 时， 的条件分布仅与 有关，而与 无关。
二、马尔可夫链及其转移概率
马尔可夫链是参数离散、状态离散的最简单的马尔可夫过程。在马尔可夫链 中，一般取参数空间 。马尔可夫链的状态空间 的一般形式是 。
1、马尔柯夫链定义：
一个随机序列{X(t), t=1,2,3,…}取值于正整数空间E={0,1,2,……},或者为E的子集，
如果有：
xi∈E={0,1,2,……} ; i=1,2,…
则称为序列 为马尔柯夫(Markov)链。这种序列具有马尔可夫性，也叫无后致性。注意：t和i均取整数。
2、马尔柯夫链的含义：
可以这样理解：序列 的“将来”只与“现在”有关而与“过去”无关。
3、马尔柯夫链的状态：
马尔柯夫链序列 中的某一个符号X(ti)的数值一定为E中的某一个元素xi（或xj），这时，称xI(或xj)为随机序列的一个状态Si。
4、马尔柯夫链的一步转移概率
马尔柯夫(Markov)链的统计特性用条件概率（状态转移概率）来描述：
习惯上把转移概率记做
这称为马氏链的一步转移概率。为马尔柯夫链从状态i变为状态j的条件概率。
它满足：(概率的加法公式)
pij(1)(t)≥0 i j ∈E
5、马尔柯夫链的K步转移概率：
其k步转移概率为：为马尔柯夫链从状态i经过k步（k个单位时间）后变为状态j的条件概率：
它满足：
p(k)ij(t)≥0 i j ∈E