
【医】 Mall's formula
equine; gee; horse; horseflesh; neddy; steed
【医】 hippo-
ear; erbium
【医】 aures; auri-; auris; ear; ot-; oto-
family name; surname
formula
【计】 formula; transition formula entry
【化】 equation
【医】 F.; formula
马尔可夫公式(Markov Formula),又称马尔可夫方程或马尔可夫模型,是概率论与随机过程的核心工具,用于描述状态空间中系统状态的转移规律。其核心是通过状态转移概率矩阵刻画系统从当前状态演化到未来状态的统计特性。
设系统在时间 ( t ) 处于状态 ( i ),下一时刻 ( t+1 ) 转移到状态 ( j ) 的概率为状态转移概率 ( P{ij} )。马尔可夫公式的核心是状态转移方程: $$ P(X{t+1} = j mid Xt = i, X{t-1}, dots, X0) = P(X{t+1} = j mid Xt = i) = P{ij} $$ 其中:
状态转移概率矩阵 ( mathbf{P} ) 定义为: $$ mathbf{P} = begin{bmatrix} P{11} & P{12} & cdots P{21} & P{22} & cdots vdots & vdots & ddots end{bmatrix} $$
马尔可夫公式的核心假设是"无记忆性"(马尔可夫性),即未来状态仅取决于当前状态,与历史路径无关。该特性使其适用于:
信道状态转移建模(如Gilbert-Elliott信道模型)。
隐马尔可夫模型(HMM)用于词性标注与语音识别。
信用评级迁移预测(如穆迪评级模型)。
DNA序列进化分析与蛋白质结构预测。
中文术语 | 英文术语 |
---|---|
状态转移概率 | State Transition Probability |
马尔可夫链 | Markov Chain |
平稳分布 | Stationary Distribution |
隐马尔可夫模型 | Hidden Markov Model (HMM) |
无记忆性 | Memoryless Property |
(第4章系统阐述马尔可夫链理论与应用)
(经典HMM算法框架)
(通信信道马尔可夫建模标准)
在4G/5G无线通信中,马尔可夫模型用于模拟信道衰落过程。若信道有"好"(G)和"差"(B)两种状态,转移矩阵可表示为: $$ mathbf{P} = begin{bmatrix} P{GG} & P{GB} P{BG} & P{BB} end{bmatrix} $$ 通过实测数据拟合 ( P{GB} )(好→差)与 ( P{BG} )(差→好),可优化纠错编码策略。
"马耳氏公式"的英文翻译为Mall's formula,属于医学术语。该名称由以下部分构成:
由于搜索结果未提供具体公式内容,建议通过以下途径获取详细信息:
注:类似命名的"Mall's rule"在胚胎学中用于孕周估算,但与该词条是否为同一概念需进一步考证。
【别人正在浏览】