บทความนี้ให้คำแนะนำทีละขั้นตอนเกี่ยวกับ Transition Matrices, สมการ Chapman–Kolmogorov และ Stationary Distributions โดยใช้ตัวอย่างการเขียนบทความที่มีสามสถานะเป็นแกนหลัก
เราจะเริ่มต้นด้วยตัวอย่างที่คุ้นเคย เช่น การเขียนบทความ ซึ่งสถานะการทำงานอาจแตกต่างกันไปในแต่ละวัน เช่น การเขียน การแก้ไข หรือการติดขัด ทำให้เกิดความผันผวนของกระบวนการ
หากเราสามารถอธิบายกระบวนการที่ผันผวนนี้ในเชิงคณิตศาสตร์ได้ เราก็จะสามารถคำนวณความน่าจะเป็นที่จะเกิดผลผลิตในวันพรุ่งนี้ โดยอิงจากกิจกรรมในวันนี้ได้
ศัพท์ที่ควรรู้
- Markov Chain – แบบจำลองทางคณิตศาสตร์ที่อธิบายการเปลี่ยนแปลงระหว่างสถานะต่างๆ ตามความน่าจะเป็น
- Transition Matrices – เมทริกซ์ที่เก็บความน่าจะเป็นในการเปลี่ยนจากสถานะหนึ่งไปยังอีกสถานะหนึ่ง
- Chapman–Kolmogorov equation – สมการที่ใช้ในการคำนวณความน่าจะเป็นในกระบวนการที่เปลี่ยนแปลงตามเวลา
- Stationary Distributions – การแจกแจงสถานะคงที่ ซึ่งคือสถานะที่ระบบจะเข้าถึงเมื่อเวลาผ่านไปนานพอ
ที่มา: towardsdatascience.com