马尔可夫预测方法
出处：按学科分类—自然科学总论 山东人民出版社《方法大辞典》第416页（1244字）
根据目前的变数来预测这些变数在将来如何变动。
不需要连续不断的历史资料，(即时间数列)只需要最近或现在的动态资料便可预测将来。这种方法称为马尔可夫预测方法。
它是一种概率预测方法。马尔可夫过程实际上是一个数学模型，它主要应用在复杂的系统上。
这种方法的创立人(A．A．Markov)对这种方法的几个概念作过说明：
马尔可夫过程——因为他首先对这种现象作了有系统的研究，所以在以后的学术中，对于由一种情况转至另外一种情况的过程具有转移概率，而且这种转移概率可以依据其紧接的前项情况推算出来时，就称为马尔可夫过程。
马尔可夫链 一系列马尔可夫过程就称为马尔可夫链。
马尔可夫分析 对于马尔可夫过程或马尔可夫链可能产生的变化加以分析，以观察或预测未来的变化趋势的工作，称为马尔可夫分析。
马尔可夫过程的基本概念是系统的“状态”和“状态”的“转移”。如果系统完全由定义状态的变量所取的值来描述，我们说系统处于一个状态。
如果系统的描述变量从一个状态的特定值变化到另一个状态的特定值，这时，我们说系统实现状态的转移。
例如，一个机械系统，系统的状态是机床的数目，状态的转移就是“出故障”。如果机床的数目是有限的，那么它就是一个有限状态的过程。
如果我们集中注意于系统的状态转移，并且只是考虑状态发生转移时刻，那末，我们就把系统当作时间离散的过程来考虑。如果两次转移之间的时间是一个随机数，那么我们就把它考虑成一个时间连续的过程。
一台机床如果着眼于故障的状态来考虑，就存在着非故障状态(S)与故障状态(F)两种。处于S状态的系统由于“出故障”就会转移到F状态。
另外，处于F状态的系统又会恢复到S状态。显然，这是一种状态转到另一种状态的转换，完全是随机的。
此种方程若用图形表示，则如下图所示，称为状态转移图。
在这种状态转移中，起作用的只是视其现在处在什么状态，而对于那种其转移的概率与过去有限次以前的状态完全无关，即是说，马尔可夫过程的状态间的转移概率就是过去几个状态下的条件概率。
P｛X(tn)｝=P｛X(tn)｜X(tn－1)，X(tn－2)，…，X(tn－1)｝
马尔可夫在本世纪初经过多次试验发现：在一个系统的某些因素的概率转换过程中，第几次结果常决定于前次(即第n－1次)试验结果。
现代企业管理中，应用马尔可夫分析来预测企业规模、市场占有率、选择服务地点、设备更新等方面，都有显着成效，能为决策提供科学的依据。