理解马尔科夫过程

　　

---

随机变量
　　-　通俗地讲，是指随机事件的数量表现。
　　-　从变量取值的不同可以分为离散型随机变量和连续型随机变量。
　　　　·　离散型：变量取值只能取离散型的自然数。
　　　　·　连续型：变量可以在某个区间内取任一实数（变量的取值可以是连续的）。
　　　　·　参考链接：
　　　　　　-　 离散型随机变量与连续型随机变量的区别与特点~
　　　　　　- 　随机变量（百度百科/维基百科）
　　

---

随机过程
　　-　通俗地讲，是指随机变量的集合。
　　-　记为{ x ( t ) , t ∈ T }。
　　-　x ( t ) 表示在同一状态空间E中取值的随机变量。 E 可以为可数多个离散性状态，也可以取任意连续型状态。
　　-　T 表示参数集。根据 T 为可数参数集/不可数参数集，{ x ( t ) , t ∈ T }为离散参数/连续参数的随机过程。
　　-　随机序列： T 为可数集的随机过程。
　　-　随机过程可以表示一个系统的特征（系统的变化过程）。
　　

---

马尔科夫过程（马氏过程）
　　-　定义：具有无后效性的随机过程。
　　-　无后效性：当系统在时刻 tm 所处的状态为已知时，系统在大于