馬爾可夫分析

在馬爾可夫過程的假設前提下，通過分析隨機變數的現時變化情況來預測這些變數未來變化情況的一種預測方法。馬爾可夫分析起源於俄國數學家A.A.馬爾可夫對成鏈的試驗序列的研究。1907年馬爾可夫發現某些隨機事件的第次試驗結果常決定於它的前一次(-1次)試驗結果。

基本介紹

• 中文名：馬爾可夫分析
• 類型：方法
• 基礎：馬爾可夫過程的假設前提下
• 發現：1907年

正文

馬爾可夫假定各次轉移過程中的轉移機率無後效性（見馬爾可夫決策過程），用以對物理學中的布朗運動作出數學描述。1923年由美國數學家N.維納提出連續軌道的馬爾可夫過程的嚴格數學結構。30～40年代由A.H.柯爾莫戈羅夫、W.費勒、W.德布林、P.萊維和J.L.杜布等人建立了馬爾可夫過程的一般理論，並把時間序列轉移機率的鏈式稱為馬爾可夫鏈。馬爾可夫分析已成為市場預測的有效工具，用來預測顧客的購買行為和商品的市場占有率等。
此外在企業中，馬爾可夫分析除了套用於市場預測外，還可用於以下 6個方面。①確定企業勞動力的需求：如考慮到離職、退休和死亡等因素，為了從企業內外進行補充，可用馬爾可夫分析來確定勞動力的需求。②引進新產品：馬爾可夫分析在確定用戶對某種牌號產品的信任是如何轉向另一種新產品時，為企業開發新產品提供有用信息。③選擇廣告計畫：通過對未來市場占有率的估計來評價和選擇幾種廣告計畫的優劣。④預測隨機服務系統的工作負荷。⑤預測最優維修方案。⑥產品可靠性預測。