企业官网建设流程全解析

核心性质：马尔可夫性（无记忆性），已知当前状态，未来状态只和现在有关，和过去历史无关 。

一、起源

创始人：俄国数学家 安德雷·安德耶维齐·马尔可夫（A.A.Markov，1856–1922）
1. 1906年，发表论文《大数定律关于相依变量的扩展》，首次提出马尔可夫链。当时传统概率论大多研究独立随机变量，马尔可夫想要证明：大数定律、中心极限定理不要求变量相互独立，相依随机序列同样可以满足极限定理 。
2. 1913年，他用马尔可夫链分析普希金《叶甫盖尼·奥涅金》文本，统计元音、辅音的转换概率，是历史上第一个实际案例，证明自然语言字符是相依序列。
他本人当时并没有预料到这套理论后续会在工程、计算机大规模使用。

二、发展历程

1. 早期（1906–1930）：离散马尔可夫链基础建立。1907年埃伦费斯特提出扩散模型；庞加莱研究洗牌的有限群马尔可夫链。
2. 奠基阶段（1930–1940）：柯尔莫哥洛夫建立马尔可夫过程一般理论，提出柯尔莫哥洛夫向前/向后方程，把模型从离散时间拓展到连续时间马尔可夫过程，完善转移概率、平稳分布、遍历性理论 。
3. 中期拓展（1940–1970）：伊藤清用随机微分方程研究扩散过程；隐马尔可夫模型HMM诞生，在语音识别、时序信号处理走红；排队论大量使用连续马尔可夫链。
4. 现代阶段（1970至今）：
MCMC（马尔可夫链蒙特卡洛）：贝叶斯统计、采样计算，是统计学核心工具；
马尔可夫决策过程MDP：强化学习基础；
PageRank：谷歌早期网页排序算法，把网页浏览建模成马尔可夫链；
信息论：马尔可夫信源，一阶、二阶齐次马尔可夫信源，用来计算熵、极限熵、剩余度。

三、主要应用

1. 信息论（你课程重点）：马尔可夫信源，信源符号的转移只依赖前面有限个符号，计算联合熵、极限熵，压缩编码。
2. 计算机与人工智能
HMM隐马尔可夫模型：早期语音识别、分词、词性标注；
PageRank网页排序；
MCMC采样、贝叶斯推断；
MDP马尔可夫决策过程，强化学习理论基础；
早期n-gram语言模型、文本自动生成。
3. 通信与排队论：交换机、服务器、网络数据包排队模型，分析阻塞率、等待时延。
4. 金融经济：信用评级迁移矩阵、债券违约风险、资产状态转移预测。
5. 自然科学
气象：晴、雨、阴状态转移，短期天气概率预测；
生物：DNA序列分析、种群遗传漂变、流行病SIR传播模型；
物理：布朗运动、扩散过程、热力学模型。
6. 其他：市场用户品牌转移、游戏概率模型、可靠性工程（设备故障-修复状态）。