Markov Chains

下一步的狀態(tài)只取決于當(dāng)前的狀態(tài)。

Random Walk

當(dāng)隨機漫步次數(shù)趨近于正無窮時，每個狀態(tài)出現(xiàn)的頻率趨近于一個常數(shù)，即概率。

轉(zhuǎn)移矩陣A

行向量B

穩(wěn)定時有特征方程 BA=B，且B[1]+B[2]+...+B[n]=1

求解特征向量。