De Markov-keten, ook bekend als het Markov-model of Markov-proces, is een concept dat is ontwikkeld binnen de kansrekening en statistiek en dat een sterke afhankelijkheid tussen een gebeurtenis en een andere eerdere gebeurtenis tot stand brengt. Het belangrijkste nut is de analyse van het gedrag van stochastische processen.
De verklaring van deze ketens werd in 1907 ontwikkeld door de wiskundige van Russische afkomst Andréi Márkov. Zo is deze methode in de loop van de 20e eeuw in tal van praktische gevallen van het dagelijks leven gebruikt.
Het is ook bekend als een eenvoudige bistabiele Markov-ketting.
Zoals Markov opmerkte, is het in stochastische (dat wil zeggen willekeurige) systemen of processen die een huidige toestand weergeven, mogelijk om hun antecedenten of historische ontwikkeling te kennen. Daarom is het mogelijk om een beschrijving van hun toekomstige waarschijnlijkheid vast te stellen.
Meer formeel gaat de definitie ervan uit dat in stochastische processen de kans dat iets gebeurt alleen afhangt van het historische verleden van de werkelijkheid die we bestuderen. Om deze reden wordt vaak gezegd dat deze strings geheugen hebben.
De basis van de ketens staat bekend als de Markov-eigenschap, die samenvat wat eerder is gezegd in de volgende regel: wat de keten ervaart op tijdstip t + 1 hangt alleen af van wat er gebeurde op tijdstip t (de onmiddellijk daaraan voorafgaande).
Gezien deze eenvoudige uitleg van de theorie, kan worden opgemerkt dat het mogelijk is om de waarschijnlijkheid van een toestand op de lange termijn te kennen. Dit helpt ongetwijfeld bij het voorspellen en schatten over lange perioden.
Waar wordt de Markov-ketting gebruikt?
Markov-ketens hebben een significante echte toepassing gezien in zaken en financiën. Dit door, zoals aangegeven, toekomstige gedragspatronen van individuen te analyseren en in te schatten op basis van eerdere ervaringen en resultaten.
Dit kan worden weerspiegeld in verschillende gebieden, zoals delinquentie, de studie van consumentengedrag, de seizoensgebonden vraag naar arbeid, onder andere.
Het door Markov ontwikkelde systeem is vrij eenvoudig en heeft, zoals gezegd, een vrij eenvoudige praktische toepassing. Veel kritische stemmen wijzen er echter op dat een dergelijk vereenvoudigd model niet volledig effectief kan zijn in complexe processen.