زنجیره مارکوف به زبان ساده + مثال

شبیه سازی مونت کارلو

به جرات می توان گفت امروزه در بسیاری از شبیه سازی های احتمالی شما نیاز دارید تا با برخی تکنیکهای مخاسبات احتمالاتی آشنا شوید. در این بین زنجیره مارکوف مونت کارلو بهترین و اصلی ترین و البته پرکاربردترین موضوعات تحقیقاتی می باشد. البته این روش ها برگرفته از موقعیت اولیه می باشند که امروزه روش های جدیدی نیز هستند که موقعیت اولیه را رفته رفته حذف می کنند.

مهم ترین مثالی که معمولا برای یاد گرفتن زنجیره مارکوف استفاده می شود، پیش بینی وضع هوا یا همان پیش بینی رفتار یک فرد است. بعنوان مثال شما فرض کنید امروز هوا خورشیدی است و براساس اطلاعات آماری پیدا کردید که اگر امروز هوا خورشیدی باشد به احتمال P1 فردا نیز خورشیدی و به احتمال P2 فردا ابری و به احتمال P3 فردا بارانی است و اگر امروز ابری باشد به احتمال P4 فردا نیز ابری و … . در این صورت می خواهید پیش بینی کنید بعد از 5 روز هوا چگونه است؟ یا بعد از 100 روز چی؟!

در این مثال شما نیاز دارید تا با زنجیره مارکوف آشنا باشید و بتوانید این گونه پیش بینی ها را انجام دهید. یا همین مثال را برای یک فرد در نظر بگیرید که اگر امروز ورزش کند با احتمال P1 فردا نیز ورزش می کند و … .

در این محصول شبیه سازی این نوع مثال ها به همراه یک فایل ویدیویی با توضیحات تئوری و برنامه نویسی در متلب این مثال ها قرار داده شده است. شکل زیر بخشی از این فایل ویدیویی را نشان می دهد که در حال توضیح دادن تئوری زنجیره مارکوف می باشد. شما با مشاهده و تمرین این فایل ویدیویی به طور کامل با این مبحث آشنا شده و به راحتی می توانید شبیه سازی های مربوط را انجام دهید.

شکل زیر نیز خروجی مربوط به برنامه متلب زنجیره مارکوف برای پیش بینی وضع هوا را نشان می دهد که برای روزهای مختلف احتمال خورشیدی و بارانی و تاریکی هوا را به دست آورده است.

تهیه این فایل ویدیویی آموزش توسط مهندس ” میرباقر مرتضویان ” فارغ التحصیل کارشناسی ارشد دانشگاه علم و صنعت صورت گرفته است.