什么是馬爾可夫預(yù)測方法？馬爾可夫預(yù)測法（又稱馬爾可夫法）馬爾可夫是俄羅斯著名數(shù)學(xué)家。馬爾可夫預(yù)測是一種特殊的市場預(yù)測方法。馬爾可夫預(yù)測方法主要用于預(yù)測市場占有率和銷售預(yù)期利潤。我們知道事物的發(fā)展?fàn)顟B(tài)總

什么是馬爾可夫預(yù)測方法？

馬爾可夫預(yù)測法（又稱馬爾可夫法）

馬爾可夫是俄羅斯著名數(shù)學(xué)家。馬爾可夫預(yù)測是一種特殊的市場預(yù)測方法。馬爾可夫預(yù)測方法主要用于預(yù)測市場占有率和銷售預(yù)期利潤。

我們知道事物的發(fā)展?fàn)顟B(tài)總是隨著時間的推移而變化的。一般來說，人們要了解事物未來的發(fā)展?fàn)顟B(tài)，不僅要看到事物的現(xiàn)在狀態(tài)，還要看到事物過去的狀態(tài)。馬爾科夫認(rèn)為還有一種情況，人們想了解事物未來的發(fā)展?fàn)顟B(tài)，只需要知道事物的當(dāng)前狀態(tài)，而與事物以前的狀態(tài)無關(guān)。比如，一個產(chǎn)品明年是否能賣得好，只與今年的銷售情況有關(guān)，而與往年的銷售情況沒有直接關(guān)系。后者稱為馬爾可夫過程，前者稱為非馬爾可夫過程。

馬爾可夫過程的重要特點(diǎn)是無后遺癥。事物第n次出現(xiàn)的狀態(tài)只與其第n-1次出現(xiàn)的狀態(tài)有關(guān)，與前一次出現(xiàn)的狀態(tài)無關(guān)。舉一個流行的例子：池塘里有三片荷葉和一只青蛙。假設(shè)青蛙只跳在荷葉上。如果青蛙現(xiàn)在在荷葉a上，青蛙下次會跳到荷葉a、荷葉B或荷葉C上。青蛙處于什么樣的狀態(tài)，只與它現(xiàn)在的狀態(tài)有關(guān)，而與它以前在哪個荷葉上無關(guān)。此屬性沒有后遺癥。

所謂“無后遺癥”，是指過去對未來沒有后遺癥，而不是現(xiàn)在對未來沒有后遺癥。馬爾可夫鏈?zhǔn)且粋€與馬爾可夫過程密切相關(guān)的概念。馬爾可夫鏈指出，一個事物系統(tǒng)的狀態(tài)是從過去到現(xiàn)在，再從現(xiàn)在到未來。一個接一個的鏈接就像一條鏈子。作為馬爾可夫鏈的一個動態(tài)系統(tǒng)，它的未來狀態(tài)和價值只與它的當(dāng)前狀態(tài)和價值有關(guān)，而與它以前的狀態(tài)和價值無關(guān)。因此，馬爾可夫鏈只需要最新或當(dāng)前的動態(tài)數(shù)據(jù)就可以預(yù)測未來。馬爾可夫預(yù)測方法是應(yīng)用馬爾可夫鏈來預(yù)測市場未來的變化。

馬爾科夫鏈與馬爾可夫預(yù)測模型區(qū)別？

馬爾可夫鏈，以a.a.Markov（1856-1922）命名，是數(shù)學(xué)上具有馬爾可夫性質(zhì)的離散隨機(jī)過程。在這個過程中，給定當(dāng)前的知識或信息，過去（即當(dāng)前時期之前的歷史狀態(tài)）與未來（即當(dāng)前時期之后的未來狀態(tài)）無關(guān)。Markov模型Markov模型是一種統(tǒng)計模型，廣泛應(yīng)用于語音識別、自動詞性標(biāo)注、音詞轉(zhuǎn)換、概率語法等自然語言處理應(yīng)用中。經(jīng)過長期的發(fā)展，特別是在語音識別中的成功應(yīng)用，它已經(jīng)成為一種通用的統(tǒng)計工具。到目前為止，它被認(rèn)為是實現(xiàn)快速準(zhǔn)確語音識別系統(tǒng)最成功的方法。隱馬爾可夫模型可以很簡單地表達(dá)和解決復(fù)雜的語音識別問題，使人們感受到數(shù)學(xué)模型的美。