马尔可夫链马尔可夫链（Markov chains ）是一类重要的随机过程，它的状态空间是有限的或可数无限的。
经过一段时间系统从一个状态转到另一个状态这种进程只依赖于当前出发时的状态而与以前的历史无关。
马尔可夫链有着广泛的应用，也是研究排队系统的重要工具。
1) 离散时间参数的马尔可夫链 ①基本概念定义 5.7 设{()0,1,2,}X n n ∙∙∙=，是一个随机过程，状态空间{0,1,2,}E =，如果对于任意的一组整数时间120k n n n ∙∙∙≤<<<，以及任意状态12,,,k i i i E ∈，都有条件概率11{()|()}k k k k P X n i X n i --=== （5-17）即过程{()0,1,2,}X n n ∙∙∙=，未来所处的状态只与当前的状态有关，而与以前曾处于什么状态无关，则称{()0,1,2,}X n n ∙∙∙=，是一个离散时间参数的马尔可夫链。
当E 为可列无限集时称其为可列无限状态的马尔可夫链，否则称其为有限状态的马尔可夫链。
定义5.8 设{()0,1,2,}X n n ∙∙∙=，是状态空间{0,1,2,}E =上的马尔可夫链，条件概率(,){()|()}ij p m k P X m k j X m i i j E =+==∈，、 （5-18）称为马尔可夫链{()0,1,2,}X n n ∙∙∙=，在m 时刻的k 步转移概率。
k 步转移概率的直观意义是：质点在时刻m 处于状态i 的条件下，再经过k 步（k 个单位时间）转移到状态j 的条件概率。
特别地，当1k =时，(,1){(1)|()}ij p m P X m j X m i =+== （5-19）称为一步转移概率，简称转移概率。
如果k 步转移概率(,)ij p m k i j E ∈，、，只与k 有关，而与时间起点m 无关，则{()}X n 称为离散时间的齐次马尔可夫链。
定义5.9 设{()0,1,2,}X n n ∙∙∙=，是状态空间{0,1,2,}E ∙∙∙=上的马尔可夫链，矩阵000101011101(,)(,)(,)(,)(,)(,)(,)(,)(,)(,)n n j j jn p m k p m k p m k p m k p m k p m k P m k p m k p m k p m k ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦（5-20） 称为{()}X n 在m 时刻的k 步转移概率矩阵。
