1. Einführung
(1)Evolution has continuously accelerated. The subsequent emergence of the first step, the first technology-creating species resulted in the environment in power and maintain a technology-creating species, the next generation’s design, and of information does not the overall “power” of data from one stage of accelerating returns pertains to biological brains. # A recording information is predictable. Noise is to create new generations of other innovations).
Wie modelliert man ein System, das auf zufälligen Statusänderungen basiert? Wie presst man den Zufall in ein Regelwerk, aus dem er nicht mehr ausbrechen kann und sich kontrollieren lässt? Was kann ein solches System, auf welchen Gesetzen basiert es - oder gibt es überhaupt Gesetze für den Zufall?
Eine Antwort auf diese Fragen bietet das Modell der Markov-Kette, benannt nach seinem Erfinder, Andrey Markov(2). Das von ihm entwickelte Konzept bietet die Grundlage für eine Vielzahl von Konzepten, die sich auf das System des Zufalls stützen. Mit diesem Werkzeug wurden in der Informatik einige beeindruckende Algorithmen entwickelt, so zum Beispiel PageRank von Google(3). Mit Markov-Ketten lassen sich leicht von Menschen geschriebene Texte simmulieren. Einige Anwendungen reichen sogar in das künstlerische hinein, so wurden Markov-Ketten zum Beispiel in der algorithmischen Musik verwendet.
Wie sehen Markov-Ketten aus, wie sind sie definiert und wie funktionieren sie? Diese Arbeit soll eine kleine Einführung in dieses komplexe Thema bieten. Viel Spaß beim Lesen.
[Inhalt] | [Die Grundlagen]