有限マルコフ過程は，各状態から新しい状態への可能な各遷移が選択される確率を指定するグラフ上の確率過程である．有限マルコフ過程はゲーム，天候，製造業，ビジネス，生物学等の分野で種々の決定過程をモデル化するために使われる． Wolfram言語は離散時間および連続時間の有限マルコフ過程を完全にサポートする．マルコフ過程の記号表現を使うと，その動作をシミュレーションしたり，データからパラメータを推定したり，有限および無限の時間域における状態の確率を計算したり，特定の目標状態に最初に達するまでの時間の統計的特性を求めたりするのが簡単になる．マルコフ過程の構造化，遷移，極限特性の完全な一式が利用できる．

マルコフ過程モデル

DiscreteMarkovProcess — 有限状態離散時間マルコフ過程を表す

ContinuousMarkovProcess — 有限状態連続時間マルコフ過程を表す

HiddenMarkovProcess — 出力付き離散時間マルコフ過程を表す

特性

MarkovProcessProperties — 構造化，遷移，極限特性

FirstPassageTimeDistribution — ある一式の状態に達するまでの時間の分布

FindHiddenMarkovStates — 出力から隠れ状態を復号する

確率過程のフレームワーク »

RandomFunction — 離散または連続のマルコフ過程をシミュレーションする

EstimatedProcess — 離散または連続のマルコフ過程のパラメータを推定する

StationaryDistribution — 極限分布または条件付定常分布

離散時間マルコフ過程 »

MAProcess  ▪  ARProcess  ▪  ARMAProcess  ▪  ...

連続時間マルコフ過程 »

WienerProcess  ▪  ItoProcess  ▪  StratonovichProcess  ▪  ...

その他のマルコフ過程

QueueingProcess  ▪  PoissonProcess  ▪  InhomogeneousPoissonProcess  ▪  CompoundPoissonProcess  ▪  TelegraphProcess