マルコフ再生過程 （英 : Markov renewal process; MRP ）は、確率過程 の一つであり、ジャンプ型マルコフ過程（Markov jump process）の考え方を一般化したものである。マルコフ連鎖 やポアソン点過程 （英語版 ） 再生過程 （英語版 ）
マルコフ再生過程の実例 状態空間を
S
{\displaystyle \mathrm {S} }
T
{\displaystyle \mathrm {T} }
{
(
X
n
,
T
n
)
∈
S
×
T
}
n
≥
0
{\displaystyle \{(X_{n},T_{n})\in \mathrm {S} \times \mathrm {T} \}_{n\geq 0}}
T
n
{\displaystyle T_{n}}
X
n
{\displaystyle X_{n}}
マルコフ連鎖 の状態である (図を参照）。また、到着間時刻 (inter-arrival time) を
τ
n
=
T
n
−
T
n
−
1
{\displaystyle \tau _{n}=T_{n}-T_{n-1}}
{
(
X
n
,
T
n
)
}
n
≥
0
{\displaystyle \{(X_{n},T_{n})\}_{n\geq 0}}
Pr
(
τ
n
+
1
≤
t
,
X
n
+
1
=
j
∣
(
X
0
,
T
0
)
,
(
X
1
,
T
1
)
,
…
,
(
X
n
=
i
,
T
n
)
)
=
Pr
(
τ
n
+
1
≤
t
,
X
n
+
1
=
j
∣
X
n
=
i
)
∀
n
≥
1
,
t
≥
0
,
i
,
j
∈
S
{\displaystyle {\begin{aligned}&\Pr(\tau _{n+1}\leq t,X_{n+1}=j\mid (X_{0},T_{0}),(X_{1},T_{1}),\ldots ,(X_{n}=i,T_{n}))\\&\quad =\Pr(\tau _{n+1}\leq t,X_{n+1}=j\mid X_{n}=i)\quad \forall n\geq 1,t\geq 0,i,j\in \mathrm {S} \end{aligned}}}
t
∈
[
T
n
,
T
n
+
1
)
{\displaystyle t\in [T_{n},T_{n+1})}
Y
t
:=
X
n
{\displaystyle Y_{t}:=X_{n}}
Y
t
{\displaystyle Y_{t}}
準マルコフ過程 (semi-Markov process) と呼ばれる確率過程となる。MRP と準マルコフ過程の違いは、前者は状態と時刻の組で定義されるのに対し、後者は時間発展する実際の時系列の確率過程であり、実現値が任意の時刻における状態の値として定義される点である。
この確率過程は全体を見ればマルコフ性 を持たない（すなわち無記憶性を持たない）が、ジャンプする瞬間に限りマルコフ性を持つ。これが準 マルコフという名前の理論的根拠である。隠れ準マルコフモデル （英語版 ）
（上に定義した）準マルコフ過程のうち、保持時間 (holding time) が指数分布で表されるものを連続時間マルコフ連鎖、または連続時間マルコフ過程 (continuous-time Markov chain/process; CTMC) と呼ぶ。言い換えると、到着間時間が指数分布に従い、かつある状態における待ち時間 (waiting time) と次に遷移する状態が独立であれば準マルコフ過程は CTMC となる。
Pr
(
τ
n
+
1
≤
t
,
X
n
+
1
=
j
∣
(
X
0
,
T
0
)
,
…
,
(
X
n
,
T
n
)
)
=
Pr
(
X
n
+
1
=
j
∣
X
n
=
i
)
(
1
−
e
−
λ
i
t
)
,
∀
n
≥
1
,
t
≥
0
,
i
,
j
∈
S
{\displaystyle {\begin{aligned}&\Pr(\tau _{n+1}\leq t,X_{n+1}=j\mid (X_{0},T_{0}),\ldots ,(X_{n},T_{n}))\\&\quad =\Pr(X_{n+1}=j\mid X_{n}=i)(1-e^{-\lambda _{i}t}),\quad \forall n\geq 1,t\geq 0,i,j\in \mathrm {S} \end{aligned}}}
系列
{
X
n
}
n
≥
0
{\displaystyle \{X_{n}\}_{n\geq 0}}
Pr
(
X
n
+
1
=
j
∣
X
0
,
…
,
X
n
=
i
)
=
Pr
(
X
n
+
1
=
j
∣
X
n
=
i
)
,
∀
n
≥
1
,
i
,
j
∈
S
{\displaystyle \Pr(X_{n+1}=j\mid X_{0},\ldots ,X_{n}=i)=\Pr(X_{n+1}=j\mid X_{n}=i),\quad \forall n\geq 1,i,j\in \mathrm {S} }
系列
{
τ
n
}
n
≥
0
{\displaystyle \{\tau _{n}\}_{n\geq 0}}
独立かつ同一の分布 に従い、かつそれらの分布が状態
X
n
{\displaystyle X_{n}}
再生過程 （英語版 ）
Pr
(
τ
n
+
1
≤
t
∣
T
0
,
…
,
T
n
)
=
Pr
(
τ
n
+
1
≤
t
)
,
∀
n
≥
1
,
t
≥
0
{\displaystyle \Pr(\tau _{n+1}\leq t\mid T_{0},\ldots ,T_{n})=\Pr(\tau _{n+1}\leq t),\quad \forall n\geq 1,t\geq 0}
Medhi, J. (1982). Stochastic processes . New York: Wiley & Sons. ISBN 978-0-470-27000-4 Ross, Sheldon M. (1999). Stochastic processes. (2nd ed.). New York [u.a.]: Routledge.. ISBN 978-0-471-12062-9 Barbu, Vlad Stefan; Limnios, Nikolaos (2008). Semi-Markov chains and hidden semi-Markov models toward applications : their use in reliability and DNA analysis . New York: Springer. ISBN 978-0-387-73171-1
