天气系统可以根据当前状态决定下个状态的概率，而不是每个时段都从同一个固定比例抽取。这样得到的长期变化依赖转移规则，当前晴天也不代表下一时段仍必然晴天。

先确定规则与输入

状态按晴、云、雨排列，每行给出从该状态转到三个状态的概率，行和为一。初始状态确定，随后六步都使用同一张表；本文计算各时段状态分布，不把某一次抽样当成概率结果。

初始状态编号2，零晴、一云、二雨 三行转移概率[['7/10', '1/10', '1/5'], ['1/2', '2/5', '1/10'], ['1/10', '1/10', '4/5']]

逐项算出过程

时段1：三个目标状态分别从晴、云、雨收到的概率贡献[['0', '0', '1/10'], ['0', '0', '1/10'], ['0', '0', '4/5']]；合计得到['1/10', '1/10', '4/5']，总和1。

时段2：三个目标状态分别从晴、云、雨收到的概率贡献[['7/100', '1/20', '2/25'], ['1/100', '1/25', '2/25'], ['1/50', '1/100', '16/25']]；合计得到['1/5', '13/100', '67/100']，总和1。

时段3：三个目标状态分别从晴、云、雨收到的概率贡献[['7/50', '13/200', '67/1000'], ['1/50', '13/250', '67/1000'], ['1/25', '13/1000', '67/125']]；合计得到['34/125', '139/1000', '589/1000']，总和1。

时段4：三个目标状态分别从晴、云、雨收到的概率贡献[['119/625', '139/2000', '589/10000'], ['17/625', '139/2500', '589/10000'], ['34/625', '139/10000', '589/1250']]；合计得到['797/2500', '1417/10000', '1079/2000']，总和1。

时段5：三个目标状态分别从晴、云、雨收到的概率贡献[['5579/25000', '1417/20000', '1079/20000'], ['797/25000', '1417/25000', '1079/20000'], ['797/12500', '1417/100000', '1079/2500']]；合计得到['8699/25000', '14251/100000', '50953/100000']，总和1。

时段6：三个目标状态分别从晴、云、雨收到的概率贡献[['60893/250000', '14251/200000', '50953/1000000'], ['8699/250000', '14251/250000', '50953/1000000'], ['8699/125000', '14251/1000000', '50953/125000']]；合计得到['18289/50000', '142753/1000000', '491467/1000000']，总和1。

每一步都同时使用上一时段的完整分布，不能刚算完晴天新概率就把它拿去计算同一时段的云天，否则实际改变了模型。

复核时看什么

对一个目标状态，把所有来源状态的当前概率乘相应转移概率再相加。三种新概率必须相加为一且全不为负；还可以枚举全部可能路径，把抵达同一状态的路径概率合并来复核。

练习时可以先遮住结果，沿用相同输入独立记录中间状态，再逐项比较。发现不同后先定位最早分歧，确认边界包含方式、编号起点、更新顺序以及是否提前取整。最后结果一致也不表示每个中间步骤都正确，因此保留过程记录有助于看清原因。

适用范围

这是一个完全自定的小模型，不是现实天气预测，也不代表具体游戏。它假设下一步只依赖当前状态；季节、位置或冷却限制若也有影响，就需要把这些信息纳入状态或规则。