马尔科夫模型python代码

下面是一个简单的马尔科夫模型的 Python 代码示例：

import random

# 定义马尔科夫链的状态转移概率矩阵
transition_matrix = {
    'A': {'A': 0.4, 'B': 0.6},
    'B': {'A': 0.3, 'B': 0.7}
}

# 定义马尔科夫链的初始状态概率分布
initial_distribution = {'A': 0.5, 'B': 0.5}

# 生成马尔科夫链的序列
def generate_sequence(transition_matrix, initial_distribution, length):
    sequence = []
    current_state = random.choices(
        population=list(initial_distribution.keys()),
        weights=list(initial_distribution.values())
    )[0]
    sequence.append(current_state)
    for _ in range(length - 1):
        next_state = random.choices(
            population=list(transition_matrix[current_state].keys()),
            weights=list(transition_matrix[current_state].values())
        )[0]
        sequence.append(next_state)
        current_state = next_state
    return sequence

# 使用示例
sequence_length = 10
sequence = generate_sequence(transition_matrix, initial_distribution, sequence_length)
print(sequence)

这段代码定义了一个简单的马尔科夫链，其中有两个状态 'A' 和 'B'，并且给出了它们之间的转移概率。然后通过 `generate_sequence` 函数生成了一个长度为 `sequence_length` 的马尔科夫链序列，并打印出来。

请注意，这只是一个简单的马尔科夫模型的示例，实际应用中可能会更复杂，涉及更多的状态和更复杂的转移概率矩阵。