定常マルコフ情報源とは？基本式と意味をわかりやすく解説｜確率モデルの基礎

「定常マルコフ情報源」という言葉は、情報理論や確率過程の分野で登場しますが、初学者にとっては抽象的で理解しづらい概念です。本記事では、その基本的な意味と代表的な式を整理し、直感的に理解できるように解説します。

結論：定常マルコフ情報源は確率が時間で変わらないマルコフ過程

定常マルコフ情報源とは、状態遷移の確率が時間によって変化しないマルコフ過程のことです。

つまり「現在の状態だけで次が決まり、かつそのルールがずっと一定」というモデルです。

これが情報源（情報を生み出す仕組み）として使われます。

マルコフ情報源は、ある状態から別の状態へ確率的に移動する仕組みです。

重要なのは「次の状態は現在の状態のみに依存する」という性質です（マルコフ性）。

過去すべてではなく直前だけを見るのが特徴です。

「定常」とは、時間が経っても確率のルールが変わらないことを意味します。

例えば状態AからBへ移る確率が常に0.3なら、それは定常です。

時間によって確率が変化しない点が重要なポイントです。

定常マルコフ情報源では、遷移確率 P(x_{n+1} | x_n) が一定であることが基本です。

また定常分布 π に対して π = πP が成立します。

これは「長期的に見たときの状態の割合が安定する」ことを表します。

天気モデル（晴れ・雨など）は代表的な例です。

今日の天気だけで明日の天気確率が決まり、そのルールが変わらないと仮定します。

これが定常マルコフ情報源の典型的なイメージです。

データ圧縮や通信理論では、データの出現確率モデルが重要になります。

マルコフ情報源は「現実のデータの依存関係」を簡単にモデル化できるため広く使われます。

特にテキスト生成や符号化理論で基礎となる考え方です。

定常マルコフ情報源は「状態遷移確率が一定なマルコフ過程」として理解できます。

式そのものよりも「現在だけに依存し、確率が変わらない」という性質が本質です。

情報理論の基礎として、データの振る舞いをモデル化する重要な概念です。