爱因斯坦在1905年提出，扩散运动遵循马尔科夫随机过程（marcovian process, no memory）
然而在之后的研究中发现，量子力学的扩散运动机理是不同的，这是一个保持记性的传递过程。这是今天看到的一个问题，还没有搞明白，但是想简单介绍一下马尔科夫随机过程。
Markov process是一个将来某状态的概率不依赖于过去转态，而仅仅取决于现在状态概率和状态之间的转移概率的过程。也就是说，不论初始状态如何，当进行无数次转化之后，不同状态之间的概率又变成相同的了，也就是
Pi(n)|Pi=1(1) = Pi(n)|Pi=2(1)
when n approaches infinite
i:state;
P,probability;
n,times;
这种随机过程被成熟应用在医疗保险和布朗运动等分析中。
一开始看到介绍马尔科夫的wiki界面想到的是大数据，但大数据依赖过去的数据而进行收敛（我个人的理解），是有记忆性的。
