Ei-Markovilainen prosessi on satunnainen prosessi, jonka kehitys minkä tahansa aika-arvon jälkeen riippuu tätä ajankohtaa edeltäneestä kehityksestä. Toisin sanoen ei-markovilaisen prosessin "tulevaisuus" riippuu sen "menneisyydestä". Ei-Markovilainen prosessi on satunnainen prosessi muistilla, mutta prosessin muistista puhuttaessa ymmärretään, että sen tilastolliset ominaisuudet tulevaisuudessa riippuvat prosessin menneisyyden kehityksen luonteesta. Ei-Markov-prosessi on vastakohtana Markovin prosessille .
Esimerkki ei-Markovilaisesta prosessista on fysikaalisesti erilaisissa järjestelmissä havaittu välkyntäkohina [1] . Erityisesti kokeellisesti havaituilla kineettisten kertoimien vaihteluilla (esimerkiksi sähkönjohtavuuskertoimen vaihteluilla) on välkyntäkohinalle ominaista spektritiheyttä. Välkyntäkohina on tärkein melutyyppi, joka rajoittaa elektronisten laitteiden herkkyyttä spektrin matalataajuisessa osassa [2] . Huomaa myös, että Markovin prosessin vaikutus mihin tahansa dynaamiseen järjestelmään johtaa siihen, että sen vastaus on yleensä ei-Markov-prosessi. Kahden Markovin prosessin summa on yleisesti ottaen ei-Markov-prosessi. Ei-markovia ovat myös ne prosessit, jotka muodostuvat markovista integroimalla. Erityisesti Brownin hiukkasen koordinaattia, joka on yhtä suuri kuin sen nopeuden integraali, ei yleensä kuvata Markovin prosessimallissa. Brownin liikkeen Wiener-approksimaatio pätee vain riittävän pitkillä aikaväleillä, jotka ovat paljon pidempiä kuin hiukkasten relaksaatioaika. Lyhyillä aikaväleillä Brownin liike on pohjimmiltaan ei-Markovista. Ei-Markov-prosessien luokkaan kuuluvat todelliset radiotekniikan signaalit niiden amplitudi- ja vaihemodulaatioineen joukolla deterministisiä ja satunnaisia prosesseja [3] . Tällaisten signaalien inkrementeillä on ei-Gaussin todennäköisyysjakauma, ne eivät korreloi ja ovat tilastollisesti riippuvaisia.
Tyypillinen satunnainen prosessi - hiukkasen Brownin liike viskoosissa väliaineessa - kuuluu myös yleisesti ottaen ei-Markov-prosessien luokkaan [4] [5] . Itse asiassa viskoosissa väliaineessa liikkuva Brownin hiukkanen ottaa mukaansa väliaineen ympäröivät hiukkaset, jotka puolestaan alkavat vaikuttaa Brownin hiukkaseen. Tällainen vaikutus riippuu väliaineen hiukkasten liikkeen luonteesta, mikä puolestaan riippuu siitä, kuinka Brownin hiukkanen liikkui aikaisemmin. Siten Brownin hiukkasen liikkeeseen vaikuttaa kaikki sen aikaisempi käyttäytyminen viskoosissa väliaineessa. Tämä vaikutus on erityisen havaittavissa lyhyillä aikaväleillä ja pienten hiukkasten tapauksessa (submikronin ja nanometrin koko) [6] . Ei-Markovilainen on esimerkiksi luminesenssin intensiteetin vaihteluita siinä tapauksessa, että fosforin ulkoinen viritys on alttiina valkoiselle tai laukauskohinalle [7] [8] .
Pohjimmiltaan ei-Markovilaiset prosessit ovat satunnaisia prosesseja monimutkaisissa järjestelmissä. Näitä ovat osakekurssien vaihtelut, muutokset maapallon keskilämpötilassa ja muut prosessit.
Ei-Markovilaisten prosessien kuvaus stokastisten differentiaalijärjestelmien hyvin kehittyneen teorian avulla , joka käyttää stokastisia differentiaaliyhtälöitä , kuten Fokker-Planck-yhtälöä , voi olla vain likimääräinen. Tämä johtuu siitä, että differentiaaliyhtälöt suhteuttavat suureita tietyllä hetkellä eivätkä voi ottaa huomioon ei-Markov-prosessin muistia. Ei-Markovilainen prosessi voidaan periaatteessa kuvata integraalisten stokastisten yhtälöiden avulla, jotka mahdollistavat prosessin perinnöllisten ominaisuuksien huomioimisen [9] .
10. Morozov A.N., Skripkin A.V. Ei-Markovin fyysiset prosessit. M.: FIZMATLIT, 2018. 288 s.