Марковская цепь, также известная как марковская модель или марковский процесс, представляет собой концепцию, разработанную в рамках теории вероятностей и статистики, которая устанавливает сильную зависимость между событием и другим предыдущим событием. Его основная полезность - анализ поведения случайных процессов.
Объяснение этих цепочек было разработано математиком русского происхождения Андреем Марковым в 1907 году. Таким образом, на протяжении ХХ века эта методология использовалась во многих практических случаях повседневной жизни.
Она также известна как простая бистабильная цепь Маркова.
Как указал Марков, в стохастических (то есть случайных) системах или процессах, представляющих текущее состояние, можно узнать их предшественники или историческое развитие. Следовательно, возможно составить описание их будущей вероятности.
Более формально определение предполагает, что в случайных процессах вероятность того, что что-то произойдет, зависит только от исторического прошлого реальности, которую мы изучаем. По этой причине часто говорят, что эти строки имеют память.
Основа цепей известна как свойство Маркова, которое суммирует сказанное ранее в следующем правиле: то, что цепочка испытывает в момент времени t + 1, зависит только от того, что произошло в момент времени t (непосредственно предшествующее).
Учитывая это простое объяснение теории, можно заметить, что с ее помощью можно узнать вероятность того, что состояние произойдет в долгосрочной перспективе. Это, несомненно, помогает прогнозировать и оценивать на длительные периоды времени.
Где используется цепь Маркова?
Цепи Маркова нашли реальное применение в бизнесе и финансах. Это позволяет, как уже указывалось, анализировать и оценивать будущие модели поведения людей на основе предыдущего опыта и результатов.
Это может быть отражено в различных областях, таких как преступность, изучение поведения потребителей, сезонный спрос на рабочую силу и другие.
Система, разработанная Марковым, довольно проста и, как мы уже сказали, имеет довольно простое практическое применение. Однако многие критики указывают на то, что такая упрощенная модель не может быть полностью эффективной в сложных процессах.