Si definisce processo stocastico markoviano (o di Markov), un processo dal risultato imprevedibile la cui probabilità di transizione da uno stato di sistema all’altro dipende solo dallo stato precedente del sistema e non da come sia arrivato a quello stato. Per questo si dice che il processo markoviano non ha memoria.
L’analisi markoviana si sviluppa su due direttive: discreta e continua. Nella prima, i cambiamenti di stato sono modellati attraverso probabilità fisse. Nell’analisi markoviana continua, i cambiamenti di stato sono modellati da funzioni esponenziali. Ancora, il processo markoviano, non ha memoria.

Articoli

immagine

Nuovo all’analisi markoviana

L'analisi markoviana rappresenta una metodologia adatta a descrivere come sistemi o processi randomici si evolvono nel tempo. Questo metodo di modellazione viene anche chiamato "Catene di Markov"
Analisi Markoviana

Analisi Markoviana

Le catene di Markov sono processi stocastici con la proprietà di Markov e modellizzano il comportamento di grandezze che variano nel tempo in modo randomico e con diversi andamenti. Furono inventate dal matematico russo Andrey Markov e forniscono un modello teorico per rappresentare l’evoluzione di un sistema a tempo discreto che