🎲🌀 زنجیره‌های مارکف: وقتی آینده فقط به «الان» بستگی دارد!

آیا تا به حال فکر کرده‌اید بعضی سیستم‌ها طوری رفتار می‌کنند که انگار گذشته اصلاً برایشان مهم نیست؟ فقط «لحظه فعلی» است که آینده را می‌سازد.

به این نوع رفتار می‌گوییم خاصیت بی‌حافظگی — و همین نقطه شروع زنجیره‌های مارکف است؛ یکی از مفاهیم کلیدی در احتمال، علوم داده، اقتصاد، یادگیری ماشین و حتی فیزیک.

زنجیره مارکف چیست؟
زنجیره مارکف مدلی است که در آن:

احتمال رخ دادن وضعیت بعدی، فقط به وضعیت فعلی وابسته است — نه قبل‌تر از آن.

به بیان ساده‌تر:

اگر الان «A» هستی، احتمال اینکه «B» یا «C» بشوی فقط بستگی به همین وضعیت کنونی دارد.

گذشته؟ مهم نیست!

این جمله کلیدی است:

P(next | present, past) = P(next | present)

🔹 یک مثال ساده : آب و هوا
فرض کن هوای امروز «آفتابی» است. در یک مدل مارکفی، پیش‌بینی فردا فقط به امروز وابسته است:

اگر امروز آفتابی باشد:

احتمال ۷۰٪ فردا هم آفتابی

احتمال ۳۰٪ فردا بارانی

اگر امروز بارانی باشد:

احتمال ۴۰٪ فردا آفتابی

احتمال ۶۰٪ فردا بارانی
این جدول احتمالات همان چیزی است که به آن می‌گوییم ماتریس انتقال.

کاربردها: از گوگل تا ژنتیک
زنجیره‌های مارکف همه جا هستند:

PageRank گوگل: رتبه‌بندی صفحات با یک زنجیره مارکف غول‌پیکر.
مدل‌های زبان: حدس کلمه بعدی در متن.
اقتصاد: تحلیل بازارها و ریسک.
زیست‌شناسی: مدل‌سازی جهش ژنی.
فیزیک و شیمی: مدل‌سازی حرکت مولکول‌ها.
هوش مصنوعی و یادگیری ماشین: هسته اولیه HMMها (مدل‌های مارکف پنهان).
مارکف را همه جا خواهی دید!

🔥آیا می‌دانستی⁉️
آندری مارکف، ریاضیدان روسی، این نظریه را برای مقابله با ادعاهای سیاسی درباره «تصادفی بودن» رفتار زبان ابداع کرد.
او می‌خواست ثابت کند که توالی حروف در شعرهای پوشکین کاملاً تصادفی نیستند—و همین کار زمینه‌ساز یکی از زیباترین مدل‌های احتمال شد!

#زنجیر_های_مارکف
@mathloopinfinite