Markovův řetězec, také známý jako Markovův model nebo Markovův proces, je koncept vyvinutý v rámci teorie pravděpodobnosti a statistiky, který vytváří silnou závislost mezi událostí a jinou předchozí událostí. Jeho hlavním nástrojem je analýza chování stochastických procesů.
Vysvětlení těchto řetězců vyvinul matematik ruského původu Andréi Márkov v roce 1907. Tato metodika se tak v průběhu 20. století používala v mnoha praktických případech každodenního života.
Je také známý jako jednoduchý bistabilní Markovův řetězec.
Jak uvedl Markov, ve stochastických (tj. Náhodných) systémech nebo procesech, které představují současný stav, je možné znát jejich předchůdce nebo historický vývoj. Je proto možné stanovit popis jejich budoucí pravděpodobnosti.
Definice formálněji předpokládá, že ve stochastických procesech pravděpodobnost, že se něco stane, závisí pouze na historické minulosti reality, kterou studujeme. Z tohoto důvodu se o těchto řetězcích často říká, že mají paměť.
Základ řetězů je známý jako Markovova vlastnost, která shrnuje to, co bylo řečeno dříve v následujícím pravidle: to, co řetěz zažívá v čase t + 1, závisí pouze na tom, co se stalo v čase t (bezprostředně předcházející).
Vzhledem k tomuto jednoduchému vysvětlení teorie lze pozorovat, že je možné z ní zjistit pravděpodobnost dlouhodobého stavu. To nepochybně pomáhá předpovědi a odhadu po dlouhou dobu.
Kde se používá Markovův řetězec?
Markovské řetězce zaznamenaly významné skutečné uplatnění v podnikání a financích. To umožnilo, jak již bylo naznačeno, analyzovat a odhadnout budoucí vzorce chování jednotlivců na základě předchozích zkušeností a výsledků.
To se může projevit mimo jiné v různých oblastech, jako je kriminalita, studium spotřebitelského chování, sezónní poptávka po pracovní síle.
Systém vyvinutý Markovem je poměrně jednoduchý a má, jak jsme již řekli, poměrně snadnou praktickou aplikaci. Mnoho kritických hlasů však poukazuje na to, že takový zjednodušený model nemůže být v komplexních procesech plně efektivní.
