If we let the state at time n depen

If we let the state at time n depend only on whether or not it is raining at time n, then the preceding model is not a Markov chain (why not?).

However, we can transform this model into a Markov chain by saying that the state at any time is determined by the weather conditions during both that day and the previous day.

In other words, we can say that process is in

ผลลัพธ์ (ไทย) 1:

ถ้าเราปล่อยให้สถานะที่ n เวลาขึ้นเท่ากับหรือไม่มีฝนตกในเวลา n แล้วรุ่นก่อนหน้าได้ไม่ห่วงโซ่ Markov (ทำไม) อย่างไรก็ตาม เราสามารถเปลี่ยนรูปแบบนี้เป็นห่วงโซ่ Markov โดยกล่าวว่า รัฐตลอดเวลาเป็นไปตามสภาพอากาศในช่วงวันที่และวันก่อนหน้านี้ ในคำอื่น ๆ เราสามารถบอกว่า กระบวนการอยู่ใน

ผลลัพธ์ (ไทย) 2:

ถ้าเราปล่อยให้รัฐในเวลา n ขึ้นอยู่เฉพาะในหรือไม่ก็มีฝนตกในช่วงเวลา n แล้วรุ่นก่อนหน้านี้ไม่ได้เป็นห่วงโซ่มาร์คอฟ (ทำไมไม่?). อย่างไรก็ตามเราสามารถเปลี่ยนรูปแบบนี้เป็นห่วงโซ่มาร์คอฟด้วยการบอกว่า รัฐในเวลาใด ๆ จะถูกกำหนดโดยสภาพอากาศในช่วงที่ทั้งสองวันนั้นและวันก่อน. ในคำอื่น ๆ ที่เราสามารถพูดกระบวนการที่อยู่ใน

ผลลัพธ์ (ไทย) 3:

ถ้าเราปล่อยสภาพเวลา n ขึ้นกับหรือไม่เป็นฝนตกในเวลาก่อนหน้านี้ N แล้วแบบไม่ใช่ลูกโซ่มาร์คอฟ ( ทำไมไม่ ? )

แต่เราสามารถเปลี่ยนรูปแบบเป็นลูกโซ่มาร์คอฟ โดยกล่าวว่า รัฐได้ในเวลาใด ๆ พิจารณาจากสภาพอากาศ ทั้งในระหว่างวันและวันก่อนหน้า

ในคำอื่น ๆที่เราสามารถพูดได้ว่าในกระบวนการ