Markova veriga, znana tudi kot Markov model ali Markov proces, je koncept, razvit v teoriji verjetnosti in statistike, ki vzpostavlja močno odvisnost med dogodkom in drugim prejšnjim dogodkom. Njegova glavna korist je analiza vedenja stohastičnih procesov.
Razlago teh verig je razvil matematik ruskega porekla Andréi Márkov leta 1907. Tako je bila v 20. stoletju ta metodologija uporabljena v številnih praktičnih primerih vsakdanjega življenja.
Znana je tudi kot preprosta bistabilna veriga Markov.
Kot je poudaril Markov, je v stohastičnih (torej naključnih) sistemih ali procesih, ki predstavljajo trenutno stanje, mogoče poznati njihove predhodnike ali zgodovinski razvoj. Zato je mogoče določiti opis njihove verjetnosti v prihodnosti.
Bolj formalno definicija predpostavlja, da je v stohastičnih procesih verjetnost, da se nekaj zgodi, odvisna samo od zgodovinske preteklosti resničnosti, ki jo preučujemo. Iz tega razloga pogosto velja, da imajo ti nizi spomin.
Osnova verig je znana kot lastnost Markov, ki povzema prej omenjeno pravilo v naslednjem pravilu: kaj veriga doživi v času t + 1, je odvisno le od tega, kaj se je zgodilo v času t (neposredno pred njim).
Glede na to preprosto razlago teorije je mogoče opaziti, da je prek nje mogoče vedeti verjetnost stanja, ki se pojavi dolgoročno. To nedvomno pomaga pri napovedovanju in ocenjevanju v daljšem časovnem obdobju.
Kje se uporablja veriga Markov?
Markovske verige so se resnično resnično uporabile v poslu in financah. To omogoča, kot je bilo navedeno, analizo in oceno prihodnjih vzorcev vedenja posameznikov na podlagi predhodnih izkušenj in rezultatov.
To se lahko odraža na različnih področjih, kot so prestopništvo, preučevanje vedenja potrošnikov, sezonsko povpraševanje po delovni sili, med drugim.
Sistem, ki ga je razvil Markov, je precej preprost in ima, kot smo že rekli, dokaj enostavno praktično uporabo. Vendar mnogi kritični glasovi poudarjajo, da tako poenostavljen model v zapletenih procesih ne more biti popolnoma učinkovit.