马尔科夫链预测方法的最简单类型是预测下期最可能出现的状态，步骤如下：

（1）划分预测对象所出现的状态：从预测目的出发，考虑决策需要来划分现象所处的状态。

（2）计算初始状态：据实际问题分析历史资料所得的状态概率称为初始概率。

（3）计算状态转移概率。

（4）根据转移概率进行预测：由状态转移概率矩阵P，如果目前预测对象处于状态Ei，这时Pij就描述了目前状态Ei在未来将转向状态Ej（j=1,2，  ，N）的可能性。按最大可能性作为选择原则，选择Pij中最大者为预测结果。

例：某商店在最近20个月的商品销售量统计记录如下：

试预测第21期商品销售量。

解：

（1）划分状态：按盈利状况为标准

销售量＜60千件             属于滞销

60千件≤销售量≤100千件    属于一般

销售量＞100千件            属于畅销

（2）计算初始概率Pi  图略
  滞销状态M1=7 一般状态M2=5 畅销状态M3=8

（3）计算初始概率转移矩阵

计算状态转移概率时，最后一个数据不参与计算，因为他究竟转移到哪个状态尚不清楚。

M11=3，M12=4，M13=0，M21=1，M22=1，M23=3，M31=2，M32=0，M33=5

从而：P11=3/7，P12=4/7，P13=0/7，P21=1/5，P22=1/5，P23=3/5，P31=2/7，P32=0/7，P33=5/7

（3）预测第21月的销售情况

由于第20月的销售情况属于畅销状态，而经由一次转移到达三种状态的概率是：

P31=2/7，P32=0/7，P33=5/7

P33＞P31＞P32

因此，第21月属于畅销状态的可能性最大。