A cadeia de Markov (processo aleatório discreto de Markov) é uma sequência de eventos aleatórios com um número finito de resultados prováveis, em que o futuro depende do estado atual, mas não depende do passado.
A cadeia de Markov ou, como também é chamada, o processo de Markov, ocupa um dos lugares centrais do processo estocástico. O processo estocástico estuda as leis dos fenómenos aleatórios na dinâmica do seu desenvolvimento.
Esta classe de processos aleatórios recebeu o seu nome em homenagem ao matemático russo Andrei Andreevich Markov (1856-1922). Markov descobriu uma classe de processos estocásticos discretos e contínuos.
De acordo com Markov, a probabilidade de qualquer estado do sistema no futuro depende apenas do estado do sistema no momento, não dependendo de como o sistema chegou a esse estado.
Uma sequência aleatória de eventos é chamada de “cadeia de Markov” se cada transição de um estado para outro não depender de quando e como o sistema chegou ao estado atual. O estado inicial pode ser aleatório ou predefinido.
O princípio da cadeia de Markov pode ser explicado pelo exemplo de uma cadeia de palavras. Por exemplo, num texto de uma reportagem desportiva, após a palavra “penálti”, é muito mais provável encontrar a palavra “remate” do que a palavra “batalhão”.
A cadeia de Markov é usada como um dos métodos de previsão em diversas áreas, como por exemplo na economia, na política e no processamento de texto. A cadeia de Markov é, por exemplo, usada na tecnologia de previsão de texto – T9.