○マルコフモデル(Markov Model)の基本的な形


ある状態からある決まった確率で、次の状態へ遷移する。
ある状態から遷移する次ステップの状態は複数あり、それぞれの確率は遷移前の状態毎に決まっている。

上図を利用して考えてみると、
○各状態における「１ステップ前」→「現在」は、すでにある決まった確率で定まっている。
○現在の状態から「１ステップ前」より前の状態は考えない。１ステップより前の状態によって確率が影響を受けることがない。
○確率は時間等によって変化しない。
というのがマルコフモデルの基本的な形である。

マルコフモデルの概念を利用する場合は、厳密にはマルコフモデルではなくとも、マルコフモデルとみなして考えることが多い。


○隠れマルコフモデル(Hidden Markov Model)
事象の結果（状態）は見えるが、その事象がどのマルコフモデルをとっているのかわからない。
ある事象の結果（状態）より、どのマルコフモデルに当てはまるかを判定するのが、「隠れマルコフモデルからパラメータを推定する問題」である。

上記マルコフモデルの図で見た場合・・・
決まった確率をもつマルコフモデルが「複数」存在する。（各マルコフモデル毎に「ある確率」は異なっている）
見える事象の結果（状態）より、「ある決まった確率」を予想し、どのマルコフモデルになっているのかを推定する。
マルコフモデルの「ある決まった確率」は定まっているが、「どのマルコフモデルになるのか？」を決めている背景（確率・事象）についてはわからない。