以前就对这两个统计相关的东西比较感兴趣，但是一直没有深究它们是干什么用的。今天早上又仔细了解了下。
马尔可夫链描述的是一个随机过程，一个随机过程可以认为是一个统计数学模型。具体的，是个怎样的随机过程呢？首先最重要的是状态列向量和状态转移矩阵。状态转移矩阵的每一行描述了一种一个状态变量转移到另一种状态变量的概率。这样就可以通过状态向量与转移矩阵的乘法得到状态变化后的状态向量，或者多次转移后的状态向量。状态转移过程相当于多个条件概率相加得到总的状态概率。马尔可夫链最适合多个随机状态关联转化的场景。
而贝叶斯公式是一个方程。本质上是一种转化关系。再具体一点，是两个相关事件的条件概率之间的转化关系。可以用一个条件概率表示对应的另一个条件概率。两个条件概率之间的关系可以由条件概率的定义推出。条件概率和两个事件同时发生的概率是有差别的，计算概率的时间点不同。这个重要细节一定要注意。条件概率在两个时间点的概率之间建立了联系。
$\frac{a}{b}$