Tìm hiểu một trong các nội dung sau: bài toán quy hoạch tuyến tính, phân

tích
Markov. Phần này nên có hai phần: trình bày ngắn gọn về lý thuyết và 1 ví dụ minh
họa thể hiện phương pháp thực hiện.

Phân tích Markov

I. Lý thuyết về Phân tích Markov:
1. Giới thiệu về Phân tích Markov:
- Phân tích Markov là một kỹ thuật ước tính xác suất các sự kiện xảy ra trong tương lai
bằng việc phân tích xác suất đã biết trong hiện tại. Kỹ thuật này được ứng dụng rất rộng
rãi trong quản trị kinh doanh, kế toán, marketing, kỹ thuật... bao gồm việc phân tích sự
thay đổi thị phần, dự báo các khoản nợ khó đòi và xác định tình trạng hỏng hóc của máy
móc thiết bị trong tương lai.

2. Quá trình Markov (chuỗi Markov hay xích Markov):

- Phân tích Markov giả định rằng hệ thống bắt đầu ở trạng thái ban đầu. Xét một hệ thống
vật lý (hay một hệ thống sinh thái, hệ thống dịch vụ,… ) tiến triển theo thời gian. Nếu sự
tiến triển của hệ trong tương lai chỉ phụ thuộc vào hiện tại mà không phụ thuộc vào quá
khứ thì có thể nói hệ có tính Markov hay tính không nhớ. Một hệ có tính Markov tiến
triển theo thời gian được gọi là quá trình Markov.
* Quá trình này cho phép chung ta dự đoán các trạng thái tương lai.
- Quá trình Markov tuân thủ theo 4 giả thiết:
+ Có một số hữu hạn các trạng thái;
+ Xác suất thay đổi trạng thái không thay đổi theo thời gian;
+ Có thể dự đoán bất kỳ trạng thái tương lai dựa trạng thái trước đó và ma trận xác
suất chuyển đổi;
+ Quy mô và cấu trúc của hệ thống không thay đổi trong quá trình phân tích.

3. Trạng thái ban đầu:

- Định nghĩa: Trạng thái ban đầu là trạng thái mà hệ thống bắt đầu. Nó là điểm khởi đầu
của quá trình Markov và là điều kiện đầu vào để dự đoán các trạng thái tiếp theo.
- Trạng thái ban đầu được hiện dưới dạng một ma trận cấp m x n (m, n  1)
- Ký hiệu: X0

[ ]
a11 … a1 j … a1 n
⋮ c ⋮ a ⋮
X0 = ai 1 … aij … a ¿
⋮ v ⋮ h ⋮
am 1 … amj … amn
4. Ma trận xác suất chuyển:
- Định nghĩa: Ma trận xác suất chuyển là ma trận cho phép chuyển từ một trạng thái hiện
tại đến một trạng thái tương lai. Đây là ma trận xác suất có điều kiện để chuyển đến trạng
thái tương lai từ trạng thái hiện tại.
- Điều kiện: Được thể hiện dưới dạng ma trận vuông cấp n và tổng các số hạng trên từng
cột của ma trận bằng 1.
- Ký hiệu: P

[ ]
a11 a12 … a1 n
a21 a22 … a2 n
P=
⋮ ⋮ ⋱ ⋮
an 1
an 2 … ann

Tổng các số hạng trên từng

a12 + a22 + … + an2 = 0 cột của ma trận bằng 1

5. Trạng thái n (sau n bước):

- Trạng thái n thể hiện trạng thái mà hệ thống sẽ đạt đến sau n bước chuyển đổi trạng thái.
- Ký hiệu: Xn
- Công thức tổng quát:
Xn = P n X0

6. Phân phối dừng:

- Định nghĩa: Xét quá trình Markov { X m }m∞=0 thuần nhất với không gian các trạng tháu E là
tập hữu hạn có n phần tử, P là ma trận xác xuất chuyển. Phân phối ban đầu X0 =
T
(x 1 x 2 … xn ) được gọi là phân phối dừng nếu phân phối của hệ ở tất cả các bước sau đó đều
không đổi và bằng phân phối ban đầu. Tức là:

m
X m=P X 0= X 0 , ∀ m ∈ N
7. Các tính chất:
Xét xích Markov rời rạc và thuần nhất với ma trận xác suất chuyển P. Có thể chứng minh được
các tính chất và định lí sau:
N
(n +m)
1. Pij =∑ P(n) (m )
ik Pkj (đây là phương trình Chapman–Kolmogorov)
k=1

2. P(2 )=P x P=P2 , P(n) =Pn và P(n +m) =P(n) x P(m)

II. Ví dụ minh họa thể hiện phương pháp thực hiện:

1. Giải bài toán (dự báo) sử dụng ma trận xác suất chuyển:
- Bước 1: Xác định trạng thái ban đầu X0
- Bước 2: Lập ma trận xác suất chuyển P
- Bước 3: Xác định trạng thái n của hệ thống và áp dụng công thức: Xn = P n X0

Ví dụ: Về dân cư trong một thành phố, người ta khảo sát thấy rằng, sau mỗi năm có 10%
người vùng ven di chuyển vào trung tâm và 5% người ở trung tâm di chuyển ngược lại.
Giả sử số người mới sinh ra, chết đi và ở nơi khác chuyển đến không đáng kể. Ban đầu,
dân số vùng ven có 2 triệu người và trung tâm là 5 triệu người. Tính dân số của mỗi vùng
sau 5 năm.
Lưu ý: Kết quả làm tròn đến 2 chữ số thập phân sau dấu phẩy.
Giải

- Ta có, Dân số ban đầu của thành phố: X 0=

[ 25] VT VT
- Từ dữ liệu bài cho ta có thể lập được một ma trận như sau:
VV TT

[ ]
… 0.05 VV
0.1 … TT

Vì tổng các số hạng trên từng cột của ma trận bằng 1

→ Ma trận xác suất chuyển đổi: [ 0.9

P = 0.1 0.95
0.05
]

[ ] [ 25] = [ 24 .. 1981]
5
0.9 0.05
5
- Có n = 5 (5 năm sau) → X5 = P X0 =
0.1 0.95

Vậy: Dân số sau 5 năm của vùng ven là: 2.19 triệu người
 Dân số sau 5 năm của vùng trung tâm là: 4.81 triệu người.
2. Tìm phân phối dừng của quá trình Markov:
- Bước 1: Gọi X0 = (x 1 x 2 … xn )T
- Bước 2: Lập mô hình Markov (ma trận xác xuất chuyển) (nếu cần)
- Bước 2: Giải phương trình: ( P−I n ) X 0=0. X 0là nghiệm của phương trình thỏa mãn:
0 ≤ xi ≤ 1, i=1 , n

x 1+ x2 + ⋯ + x n=1

[ ]
0. 4 0. 3 0.3
Ví dụ: Cho P = 0. 3 0. 6 0.1 . Tìm phân phối dừng của quá trình Markov có ma trạn xác
0.3 0.1 0.8
suất chuyển P.
Giải

[]
x
- Gọi: X 0= y ( 0 ≤ x , y , z ≤ 1 )là phân phối dừng của quá trình Markov.
z

- Ta có hệ phương trình: (P – I) X0 = 0. Ta có hệ:

- 0.6x + 0.3y + 0.3z = 0 - 2x + y + z = 0

(P – I) X0 = 0 0.3x - 0.4y + 0.1z = 0 3x - 4y + z = 0

 

[ ]
x+y+z=1 0.3x + 0.1y - 0.4z = 0 1 1 3x1+ y 1- 4z = 0
 3 −4 x +1 y +0 z = 1
x+y+z=1

[ ]
−2 1 1 0 d1→ d4 3 1 −4 0
3 −4 1 0 −2 1 1 0
Ta có A= 3 1 −4 0
1 1 1 1

[ ] [ ]
1 1 1 1 1 1 1 1
0 −7 −2 −3 0 3 3 2
d2 → d2 - 3d1 d4 → d2
0 −2 −7 −3 0 −2 −7 −3
d3 → d3 - 3d1
d4 → d4 + 2d1 0 3 3 2 0 −7 −2 −3
 [ ]
1 1 1 1

[ ]
0 3 3 2 1 1 1 1
d3 → 3d3 + 2d2 0 0 −15 −5 0 3 3 2
d3, d4 tỷ lệ 0 3 15 5
d4 → 3d4 + 7d2 0 3 15 5

x+y+z=1 x = 1/3
Vì r(A) = r ( A ) = 3 nên hệ có 1 nghiệm: 3y + 3z = 2  y = 1/3

3y + 15z = 5 z = 1/3