中级经济师马尔科夫分析法

马尔可夫分析法（markovanalysis）又称为马尔可夫转移矩阵法，是指在马尔可夫过程的假设前提下，通过分析随机变量的现时变化情况来预测这些变量未来变化情况的一种预测方法。马尔可夫分析起源于俄国数学家安德烈·马尔可夫对成链的试验序列的研究。1907年马尔可夫发现某些随机事件的第n次试验结果常决定于它的前一次（n－1次）试验结果，马尔可夫假定各次转移过程中的转移概率无后效性，用以对物理学中的布朗运动作出数学描述；1923年由美国数学家诺伯特·维纳提出连续轨道的马尔可夫过程的严格数学结构；30－40年代由柯尔莫戈罗夫、费勒、德布林、莱维和杜布等人建立了马尔可夫过程的一般理论，并把时间序列转移概率的链式称为马尔可夫链。马尔可夫分析法已成为市场预测的有效工具，用来预测顾客的购买行为和商品的市场占有率等，同时也应用在企业的人力资源管理上。

马尔可夫分析法是俄国数学家马尔可夫在1907年提出, 并由蒙特·卡罗加以发展而建立起的一种分析方法。它主要用于分析随机事件未来发展变化的趋势, 即利用某一变量的现在状态和动向去预测该变量未来的状态及动向, 以便采取相应的对策。

马尔可夫(Markov)模型是一种广泛应用在语音识别、自然语言处理等领域的统计模型。在马尔可夫模型中,若给定当前时刻信息,则过去的状态(指当前时刻以前的状态)对于预测将来的状态(指当前时刻后的状态)是无关的。

另外一种比较简明的阐述是,过程中某一时刻的状态只依赖于其前n个状态,n取不同的值代表不同阶数的马尔可夫过程。n=1时的马尔可夫过程是一阶马尔可夫模型,即某一时刻的状态只依赖于其前一个状态。

马克夫分析法也叫做马尔可夫分析法（内部供给分析的定性方法），英语Markov analysis 。马尔科夫分析法的原理是：一个系统的某些因素在转移中，第n次结果只受第n-1的结果影响，只与当前所处状态有关，与其他无关。其基本模型是：X(k+1)=X(k)×；马尔科夫分析法的一般步骤为： ①调查目前的公司人员占有情况； ②调查求职者寻求工作的变动情况；③建立数学模型；④预测未来人才需求量。运用此方法的最关键在于建立适合企业的人力资源数学模型，关键要素在于公司薪酬在同行业内竞争力，公司知名度及求职者关心的用人单位其他条件。基本上在企业中很少做到精确计算需求，只能在现有人力基础上，根据公司战略，做适度增幅。因为其数学模型不好建立，而且概率P也只是相对稳定，所以一般在工作中比较少用。到。