本文整理自微信公眾號：紅猴子老師
馬爾可夫鏈 （Markov Chain）它是隨機過程中的一種過程，一個統計模型，到底是哪一種過程呢？好像一兩句話也說不清楚，還是先看個例子吧。
先說說我們村智商為0的王二狗，人傻不拉幾的，見人就傻笑，每天中午12點的標配，仨狀態：吃，玩，睡。這就是傳說中的狀態分布。
你想知道他n天后中午12點的狀態么？是在吃，還是在玩，還是在睡？這些狀態發生的概率分別都是多少？ （知道你不想，就假裝想知道吧
先看個假設，他每個狀態的轉移都是有概率的，比如今天玩，明天睡的概率是幾，今天玩，明天也玩的概率是幾幾，還是先看個圖吧，更直觀一些。
有了這個矩陣，再加上已知的第一天的狀態分布，就可以計算出第N天的狀態分布了。
S1 是4月1號中午12點的的狀態分布矩陣 [0.6, 0.2, 0.2]，里面的數字分別代表吃的概率，玩的概率，睡的概率。
那么：
4月2號的狀態分布矩陣 S2 = S1 * P (倆矩陣相乘)。
4月3號的狀態分布矩陣 S3 = S2 * P (看見沒，跟S1無關，只跟S2有關)。
4月4號的狀態分布矩陣 S4 = S3 * P (看見沒，跟S1，S2無關，只跟S3有關)。
...
4月n號的狀態分布矩陣 Sn = Sn-1 * P (看見沒，只跟它前面一個狀態Sn-1有關)。
馬爾可夫鏈就是這樣一個任性的過程，它將來的狀態分布只取決于現在，跟過去無關！
就把下面這幅圖想象成是一個馬爾可夫鏈吧。實際就是一個隨機變量隨時間按照馬爾可夫性進行變化的過程。
