## [Propiedad de Markov](/es/node/58122) Definición Propiedad de un proceso estocástico que establece que la distribución condicional de los estados futuros depende únicamente del estado presente y no de la historia pasada. ## Principio Principio Independencia condicional: dado el estado actual, pasado y futuro son independientes; el presente encapsula toda la información necesaria para la predicción. ## Demostración Demostración Una caminata aleatoria simple en los enteros es markoviana: la probabilidad de la siguiente posición depende solo de la posición actual, no de la secuencia de pasos previos. ## Aplicación incorrecta Aplicación incorrecta Asumir que mediciones agregadas o de escalamiento grueso son markovianas cuando el proceso subyacente retiene memoria conduce a error de modelo y estimaciones sesgadas de las transiciones. ## Consecuencia Consecuencia Si un proceso es markoviano, puede modelarse mediante la especificación de la distribución inicial y las probabilidades o núcleos de transición de un paso, reduciendo considerablemente la complejidad del modelo. ## Inversión Inversión Lo opuesto es un proceso no markoviano donde las distribuciones futuras requieren conocimiento explícito de estados pasados o de variables latentes dependientes de la historia para predecir con precisión. ## Límite Límite Se aplica a procesos estocásticos indexados con un estado bien definido en cada índice; excluye procesos donde la memoria es esencial, el estado está parcialmente observado o la dependencia es de alcance infinito sin un resumen suficiente. ## Tensión semántica Tensión semántica A menudo se confunde con independencia o idéntica distribución; la propiedad de Markov es independencia condicional del futuro y el pasado dado el presente, no independencia global entre tiempos. ## Síntesis Síntesis La propiedad de Markov afirma que el estado presente es una estadística suficiente para el futuro: la información pasada se vuelve irrelevante una vez conocido el estado actual.