La catena di Markov, nota anche come modello di Markov o processo di Markov, è un concetto sviluppato nell’ambito della teoria della probabilità e della statistica che stabilisce una forte dipendenza tra un evento e un altro evento precedente. Il suo uso principale è l’analisi del comportamento stocastico del processo.
La spiegazione di queste catene è stata sviluppata dal matematico russo Andrei Markov nel 1907. Così, nel corso del XX secolo, è stato possibile utilizzare tale metodologia in numerosi casi pratici della vita quotidiana. È anche conosciuta come la semplice catena bistabile di Markov.
Secondo Markov, in sistemi o processi stocastici (cioè casuali) che presentano uno stato, è possibile conoscerne il background o lo sviluppo storico. Pertanto, è possibile stabilire una descrizione della loro probabilità futura.
Più formalmente, la definizione presuppone che nei processi stocastici la probabilità che qualcosa accada dipende solo dal passato storico della realtà che stiamo studiando. Per questo motivo, si dice spesso che queste catene hanno memoria.
La base delle catene è la cosiddetta proprietà Markov, che riassume quanto sopra nella seguente regola: ciò che la catena sperimenta alla volta t + 1 dipende solo da ciò che è accaduto alla volta t (quella immediatamente precedente).
Data questa semplice spiegazione della teoria, si può vedere che attraverso di essa è possibile conoscere la probabilità che uno stato si verifichi a lungo termine. Questo aiuta indubbiamente a prevedere e stimare su lunghi periodi di tempo.
Dove viene utilizzata la catena Markov?
Le catene Markov hanno sperimentato un’importante applicazione reale nel campo del business e della finanza. Questo, come è stato sottolineato, permette l’analisi e la stima dei modelli di comportamento futuri degli individui sulla base delle esperienze e dei risultati precedenti.
Ciò può riflettersi in diversi campi come la delinquenza, lo studio del comportamento dei consumatori, la domanda stagionale di lavoro, tra gli altri.
Il sistema sviluppato da Markov è abbastanza semplice e ha, come abbiamo detto, un’applicazione pratica abbastanza facile. Tuttavia, molte voci critiche sottolineano che un modello così semplificato non può essere pienamente efficace in processi complessi.