Rantai Markov

Rantai Markov adalah proses stokastik yang menggambarkan urutan barisan yang mungkin di mana probabilitas setiap kejadian hanya bergantung pada keadaan yang dicapai pada kejadian sebelumnya.^[1]^[2]^[3] Urutan tak terbatas yang dapat dihitung, di mana rantai bergerak pada langkah waktu diskrit, memberikan rantai Markov waktu diskrit (DTMC). Proses waktu kontinu disebut rantai Markov waktu kontinu (CTMC). Ini dinamai ahli matematika Rusia Andrei Markov.

Rantai Markov memiliki banyak aplikasi sebagai model statistik dari proses dunia nyata,,^[1]^[4]^[5]^[6] seperti mempelajari sistem kendali jelajah pada kendaraan bermotor, antrian atau antrian pelanggan yang tiba di bandara, nilai tukar mata uang dan dinamika populasi hewan.

Proses Markov adalah dasar untuk metode simulasi stokastik umum yang dikenal sebagai rantai Markov Monte Carlo, yang digunakan untuk mensimulasikan pengambilan sampel dari distribusi probabilitas yang kompleks, dan telah menemukan aplikasi dalam statistik Bayesian, termodinamika, mekanika statistik, fisika, kimia, ekonomi, keuangan, sinyal pemrosesan, teori informasi, dan pemrosesan ucapan.

Referensi

^ ^a ^b Gagniuc, Paul A. (2017). Markov Chains: From Theory to Implementation and Experimentation. USA, NJ: John Wiley & Sons. hlm. 1–235. ISBN 978-1-119-38755-8.
^ "Markov chain | Definition of Markov chain in US English by Oxford Dictionaries". Oxford Dictionaries | English. Diarsipkan dari versi asli tanggal 2017-12-15. Diakses tanggal 2017-12-14.
^ Definition at Brilliant.org "Brilliant Math and Science Wiki". Retrieved on 12 May 2019
^ Samuel Karlin; Howard E. Taylor (2 December 2012). A First Course in Stochastic Processes. Academic Press. hlm. 47. ISBN 978-0-08-057041-9. Diarsipkan dari versi asli tanggal 23 March 2017.
^ Bruce Hajek (12 March 2015). Random Processes for Engineers. Cambridge University Press. ISBN 978-1-316-24124-0. Diarsipkan dari versi asli tanggal 23 March 2017.
^ G. Latouche; V. Ramaswami (1 January 1999). Introduction to Matrix Analytic Methods in Stochastic Modeling. SIAM. hlm. 4–. ISBN 978-0-89871-425-8. Diarsipkan dari versi asli tanggal 23 March 2017.

Pranala luar

Introduction to Markov Chains di YouTube
Hazewinkel, Michiel, ed. (2001) [1994], "Markov chain", Encyclopedia of Mathematics, Springer Science+Business Media B.V. / Kluwer Academic Publishers, ISBN 978-1-55608-010-4
Techniques to Understand Computer Simulations: Markov Chain Analysis
Markov Chains chapter in American Mathematical Society's introductory probability book Diarsipkan 2008-05-22 di Wayback Machine.(pdf)
A beautiful visual explanation of Markov Chains
Making Sense and Nonsense of Markov Chains Diarsipkan 2020-02-04 di Wayback Machine.

Artikel bertopik matematika ini adalah sebuah rintisan. Anda dapat membantu Wikipedia dengan mengembangkannya.

[:0-1] Gagniuc, Paul A. (2017). Markov Chains: From Theory to Implementation and Experimentation. USA, NJ: John Wiley & Sons. hlm. 1–235. ISBN 978-1-119-38755-8.

[2] "Markov chain | Definition of Markov chain in US English by Oxford Dictionaries". Oxford Dictionaries | English. Diarsipkan dari versi asli tanggal 2017-12-15. Diakses tanggal 2017-12-14.

[3] Definition at Brilliant.org "Brilliant Math and Science Wiki". Retrieved on 12 May 2019

[KarlinTaylor2012page47-4] Samuel Karlin; Howard E. Taylor (2 December 2012). A First Course in Stochastic Processes. Academic Press. hlm. 47. ISBN 978-0-08-057041-9. Diarsipkan dari versi asli tanggal 23 March 2017.

[Hajek2015-5] Bruce Hajek (12 March 2015). Random Processes for Engineers. Cambridge University Press. ISBN 978-1-316-24124-0. Diarsipkan dari versi asli tanggal 23 March 2017.

[LatoucheRamaswami1999-6] G. Latouche; V. Ramaswami (1 January 1999). Introduction to Matrix Analytic Methods in Stochastic Modeling. SIAM. hlm. 4–. ISBN 978-0-89871-425-8. Diarsipkan dari versi asli tanggal 23 March 2017.

[1]

[2]

[3]

[4]

[5]

[6]