Markovi kett - mis see on, määratlus ja mõiste
Markovi kett, tuntud ka kui Markovi mudel või Markovi protsess, on tõenäosuse ja statistika teoorias välja töötatud mõiste, mis loob tugeva sõltuvuse sündmuse ja mõne muu varasema sündmuse vahel. Selle peamine kasulikkus on stohhastiliste protsesside käitumise analüüs.
Nende ahelate selgituse töötas välja vene päritolu matemaatik Andréi Márkov aastal 1907. Seega on kogu 20. sajandi jooksul seda metoodikat kasutatud arvukatel igapäevaelu praktilistel juhtudel.
Seda tuntakse ka lihtsa bistabiilse Markovi kettina.
Nagu Markov märkis, on stohhastilistes (st juhuslikes) süsteemides või protsessides, mis esitavad praegust seisundit, võimalik teada saada nende eelkäijaid või ajaloolist arengut. Seetõttu on teostatav nende tulevase tõenäosuse kirjeldus.
Vormiliselt eeldab definitsioon, et stohhastilistes protsessides sõltub millegi toimumise tõenäosus ainult uuritava reaalsuse ajaloolisest minevikust. Sel põhjusel öeldakse, et neil stringidel on sageli mälu.
Ahelate alus on tuntud kui Markovi omadus, mis võtab kokku varem öeldu järgmises reeglis: see, mida ahel kogeb ajahetkel t + 1, sõltub ainult sellest, mis juhtus ajahetkel t (vahetult sellele eelnev).
Arvestades seda teooria lihtsat selgitust, võib täheldada, et selle kaudu on võimalik teada seisundi tekkimise tõenäosust pikas perspektiivis. See aitab kahtlemata ennustada ja hinnata pika aja jooksul.
Kus kasutatakse Markovi ketti?
Markovi ketid on näinud märkimisväärset tegelikku rakendust ettevõtluses ja rahanduses. Seda võimaldades, nagu on näidatud, varasemate kogemuste ja tulemuste põhjal analüüsida ja hinnata üksikisikute tulevasi käitumismustreid.
See võib kajastuda erinevates valdkondades, näiteks kuritegevus, tarbijakäitumise uurimine, sesoonne nõudlus tööjõu järele.
Markovi välja töötatud süsteem on üsna lihtne ja sellel on, nagu oleme öelnud, üsna lihtne praktiline rakendus. Paljud kriitilised hääled osutavad siiski, et selline lihtsustatud mudel ei saa keerulistes protsessides olla täielikult tõhus.
