马尔科夫链是概率统计中的一个重要模型,也是机器学习和人工智能的基石,在强化学习、自然语言处理、金融领域、天气预测等方面都有着极其广泛的应用.其数学定义为:假设我们的序列状态是…,X
t-2,X
t-1,X
t,X
t+1,…,那么X
t+1时刻的状态的条件概率仅依赖前一状态X
t,即P(X
t+1|…,X
t-2,X
t-1,X
t)=P(X
t+1|X
t).
现实生活中也存在着许多马尔科夫链,例如著名的赌徒模型.
假如一名赌徒进入赌场参与一个赌博游戏,每一局赌徒赌赢的概率为50%,且每局赌赢可以赢得1元,每一局赌徒赌输的概率为50%,且赌输就要输掉1元.赌徒会一直玩下去,直到遇到如下两种情况才会结束赌博游戏:一种是手中赌金为0元,即赌徒输光;一种是赌金达到预期的B元,赌徒停止赌博.记赌徒的本金为A(A∈N
*,A<B),赌博过程如图的数轴所示.

当赌徒手中有n元(0≤n≤B,n∈N)时,最终输光的概率为P(n),请回答下列问题:
(1)请直接写出P(0)与P(B)的数值.
(2)证明{P(n)}是一个等差数列,并写出公差d.
(3)当A=100时,分别计算B=200,B=1000时,P(A)的数值,并结合实际,解释当B→∞时,P(A)的统计含义.