En teoría de probabilidad y estadística , el término propiedad de Markov se refiere a la propiedad sin memoria de un proceso estocástico . Lleva el nombre del matemático ruso Andrey Markov . [1] El término propiedad fuerte de Markov es similar a la propiedad de Markov, excepto que el significado de "presente" se define en términos de una variable aleatoria conocida como tiempo de parada .
El término suposición de Markov se utiliza para describir un modelo en el que se supone que se cumple la propiedad de Markov, como un modelo oculto de Markov .
Un campo aleatorio de Markov extiende esta propiedad a dos o más dimensiones o a variables aleatorias definidas para una red de elementos interconectados. [2] Un ejemplo de un modelo para tal campo es el modelo de Ising .
Un proceso estocástico tiene la propiedad de Markov si la distribución de probabilidad condicional de los estados futuros del proceso (condicional a valores pasados y presentes) depende únicamente del estado presente; es decir, dado el presente, el futuro no depende del pasado. Un proceso con esta propiedad se dice que es markoviano o un proceso de Markov . El proceso de Markov más famoso es una cadena de Markov . El movimiento browniano es otro proceso de Markov bien conocido.
Sea un espacio de probabilidad con una filtración , para algún conjunto de índices ( totalmente ordenado ) ; y sea un espacio medible . Se dice que un proceso estocástico valuado adaptado a la filtración posee la propiedad de Markov si, para todos y cada uno con ,
En el caso donde es un conjunto discreto con el álgebra sigma discreta y , esto se puede reformular de la siguiente manera: