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

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

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