Markov-kedjan, även känd som Markov-modellen eller Markov-processen, är ett koncept som utvecklats inom teorin om sannolikhet och statistik som skapar ett starkt beroende mellan en händelse och en annan tidigare händelse. Dess huvudsakliga nytta är analysen av beteendet hos stokastiska processer.
Förklaringarna till dessa kedjor utvecklades av matematikern av ryskt ursprung Andréi Márkov 1907. Alltså under hela 1900-talet har denna metod använts i många praktiska fall i vardagen.
Det är också känt som en enkel bistabil Markov-kedja.
Som Markov påpekade, i stokastiska (det vill säga slumpmässiga) system eller processer som presenterar ett nuvarande tillstånd, är det möjligt att känna till deras förflutna eller historiska utveckling. Därför är det möjligt att fastställa en beskrivning av deras framtida sannolikhet.
Mer formellt antar definitionen att sannolikheten för att något händer i stokastiska processer bara beror på det historiska förflutna i verkligheten vi studerar. Av denna anledning sägs det ofta att dessa strängar har minne.
Grunden för kedjorna är känd som egenskapen Markov, som sammanfattar vad som sagts tidigare i följande regel: vad kedjan upplever vid tidpunkten t + 1 beror bara på vad som hände vid tidpunkten t (den omedelbart föregående).
Med tanke på denna enkla förklaring av teorin kan det observeras att det är möjligt genom den att känna till sannolikheten för att ett tillstånd inträffar på lång sikt. Detta hjälper utan tvekan förutsägelse och uppskattning över långa tidsperioder.
Var används Markov-kedjan?
Markov-kedjor har sett betydande verklig tillämpning inom affärer och finans. Detta, genom att tillåta, som angivits, analysera och uppskatta individs framtida beteendemönster baserat på tidigare erfarenheter och resultat.
Detta kan återspeglas i olika områden, såsom brottslighet, studier av konsumentbeteende, säsongsefterfrågan på arbetskraft, bland andra.
Systemet som utvecklats av Markov är ganska enkelt och har, som sagt, en ganska enkel praktisk tillämpning. Men många kritiska röster påpekar att en sådan förenklad modell inte kan vara fullt effektiv i komplexa processer.