Em
matemática, a
cadeia de Markov é um caso particular de
processo estocástico com estados discretos (o parâmetro, em geral o tempo, pode ser discreto ou contínuo) e apresenta a propriedade Markoviana, chamada assim em homenagem ao matemático
Andrei Andreyevich Markov. A definição desta propriedade, também chamada de memória markoviana, é que os estados anteriores são irrelevantes para a predição dos estados seguintes, desde que o estado atual seja conhecido.
Uma cadeia de Markov é uma sequência
X1,
X2,
X3, ... de
variáveis aleatórias. O escopo destas variáveis, isto é, o conjunto de valores que elas podem assumir, é chamado de
espaço de estados, onde
Xn denota o estado do processo no tempo
n. Se a distribuição de
probabilidade condicional de
Xn+1 nos estados passados é uma função apenas de
Xn, então:
onde
x é algum estado do processo. A identidade acima define a
propriedade de Markov.
Uma maneira simples de visualizar um tipo específico de cadeia de Markov é através de uma
máquina de estados finitos. Se você está no estado
y no tempo
n, então a probabilidade de que você se mova para o estado
x no tempo
n + 1 não depende de
n, e somente depende do estado atual
y em que você está. Assim em qualquer tempo n, uma cadeia de Markov finita pode ser caracterizada por uma matriz de probabilidades cujo elemento (
x,
y) é dado por e é independente do tempo
n. Estes tipos de cadeia de Markov finitas e discretas podem também ser descritas por meio de um
grafo dirigido (orientado), onde cada aresta é rotulada com as probabilidades de transição de um estado a outro sendo estes estados representados como os nós conectados pelas arestas.