利用连续时间马尔可夫链的Go高级编程。

简介：
第五章 连续时间的马尔可夫链及非负整数，包括但不限于（），⋯），此类模型被称为连续时间马尔可夫链。第四章我们已经探讨了时间和状态均为离散的最基础的马尔可夫过程；本章将深入介绍另一类在实际应用中十分广泛的特殊类型的马尔可夫链，即时间连续而状态是离散的马尔科夫过程。 连续时间马尔可夫链涉及定义连续时间随机过程，该过程取非负整数值的随机变量。 设随机过程为X，其状态空间为S，若对于任意时刻t，根据定义已知当前时刻的状态，则未来时刻的状态仅依赖于当前状态，而与过去所有时刻的状态无关。这种条件概率的表达形式如下。 在本讨论中，我们所考虑的连续时间马尔可夫链都假设具有其转移概率矩阵，并简记为P。 此外，马尔可夫链可能具有平稳或齐次的转移概率分布；在这种情况下，转移概率可以简记为均值概率。 因此，如果定义了概率转移函数P（状态i→状态j），并且经过时间t后从状态i转移到状态j, 则表示系统在时间t+t内处于状态j.