Model Thinkinng之Markov Process

当有限的状态之间可以随意迁移并有固定的概率，且其中没有环（即A->B->A->B的循环）这种状态的话，则可以无视系统一开始的状态，到达一个稳定的动态平衡状态。

比如说，系统有A，B两种状态，则有4种迁移的可能，A->A，A->B，B->A，B->B。则最后的稳定公式为

$$\left( \begin{array}{cc} P_{AA} & P_{BA} \\ P_{AB} & P_{BB} \end{array} \right) * \left( \begin{array}{aa} p \\ 1-p \end{array} \right) = \left( \begin{array}{aa} p \\ 1-p \end{array} \right)$$

注意，$P_{AA}$和$P_{BB}$不能是0，否则就是环了。

Markov Process模型下的世界

它是对历史，突发事件，起始条件都不care的宿命论，只要条件依然满足是markov process。
但当状态之间的固定迁移概率发生了变化，那么有意思的东西就会出现，往往引爆点（tipping point）就此出现。

应用

• 由于一个人的文风变化不大，可以通过文字和短语的使用，来区分作者。
• 医疗治疗的效果评估，有效的医疗方式下，用户感觉（状态）迁移。
• 两国交战可能性的判断，两个国家交恶情况下的外交关系（措辞）的变化。