Introducción a las cadenas de Markov, sus aplicaciones y cómo utilizar simulaciones de Monte Carlo en Python
La cadena de Markov es un concepto central en matemáticas y estocástica y se utiliza para predecir la probabilidad de ciertos estados en procesos estocásticos. La característica central de tales sistemas es la llamada “falta de memoria”, ya que la probabilidad de cada evento depende sólo del estado actual del sistema y no del pasado.
En este artículo, analizamos más de cerca las propiedades centrales de la cadena de Markov y profundizamos en su representación matemática. También hablamos de ejemplos reales y simulamos dicho modelo de estado en Python.
Una cadena de Markov es un modelo central en la teoría de la probabilidad que se ocupa de secuencias de eventos aleatorios. La característica central de esta cadena es que cada probabilidad de un evento depende exclusivamente del estado en el que se encuentra actualmente el sistema. Los eventos anteriores, por otro lado, son completamente irrelevantes para la probabilidad del siguiente paso. Más precisamente, una cadena de Markov es un proceso que satisface la propiedad de Markov, ya que establece que el comportamiento futuro de un sistema no depende de…