有限马可夫过程是图上的一种随机过程，其中从每个状态，您可以指定转移到一个新状态的概率. 有限马可夫过程用于建立诸如游戏、气候、制造业、商业和生物等各种领域中的决策过程的模型. Wolfram 语言提供了对离散时间和连续时间马可夫过程的全面支持. 马可夫过程的符号表示法使得行为仿真、从数据估计参数和计算有限及无限时间范围内的状态概率，以及求第一次达到某些目标状态的时间的所有统计属性变得轻松简单. 直接可以使用马可夫过程的全套结构化、瞬时和极限属性.

马尔可夫过程模型

DiscreteMarkovProcess — 表示一个有限状态离散马尔可夫过程

ContinuousMarkovProcess — 表示一个有限状态连续马尔可夫过程

HiddenMarkovProcess — 表示具有发射状态的离散马尔可夫过程

属性

MarkovProcessProperties — 结构化、瞬时和极限属性

FirstPassageTimeDistribution — 达到一组状态集合的时间分布

FindHiddenMarkovStates — 从发射状态对隐式状态解码

随机过程框架 »

RandomFunction — 模拟离散或者连续马尔可夫过程

EstimatedProcess — 估计离散或者连续马尔可夫过程的参数

StationaryDistribution — 有限制或有条件的平稳分布

离散时间马可夫过程 »

MAProcess  ▪  ARProcess  ▪  ARMAProcess  ▪  ...

连续时间马可夫过程 »

WienerProcess  ▪  ItoProcess  ▪  StratonovichProcess  ▪  ...

其他马可夫过程

QueueingProcess  ▪  PoissonProcess  ▪  InhomogeneousPoissonProcess  ▪  CompoundPoissonProcess  ▪  TelegraphProcess