Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
/h
81,9(56,'$'(
( ' 8$ 5 ' 2
021'/$1(
)$&('UHDOL]D
Agosto 2017 6HPLQiULRVRE
,QFOXVLYDQRSD
Outline
Estados comunicantes
Os estados i e j so comunicantes se i j.
(n) (n)
Se no, ou Pij = 0, n, ou Pji = 0, n.
Teorema
O conceito de estados comunicantes (i j) define uma relao de equivalncia (reflexiva,
transitiva e simtrica).
Classes fechada
Classe de comunicao, C , tal que no possvel sair da classe:
Pij = 0, i C , i
/C
Exemplo
1 2 3 4 5 6
1 1/2 1/2 0 0 0
2 1/4 3/4 0 0 0
P= 3 0 0 0 1 0 .
4 0 0 1/2 0 1/2
5 0 0 0 1 0
As classes C1 = {1, 2} e C2 = {3, 4, 5} so duas classes fechadas.
Exemplo
1 2 3 4 5
1 1/2 1/2 0 0 0 0
2 1/4 3/4 0 0 0 0
3 1/4 1/4 1/4 1/4 0 0
P= .
4 1/4 0 1/4 1/4 0 0
5 0 0 0 0 1/2 1/2
6 0 0 0 0 1/2 1/2
As classes C1 = {1, 2} e C2 = {5, 6} so duas classes fechadas, a classe C3 = {3, 4} uma classe
aberta.
Exemplo
Seja S = {0, 1, 2, 3, . . . , a 2, a 1, a} tal que
0 1 2 3 a2 a1 a
01 0 0 0 0 0 0
1
q 0 p 0 0 0 0
2
0 q 0 p 0 0 0
P= .
a1 0 0 0 0 q 0 p
a 0 0 0 0 0 0 1
As classes C1 = {0} e C2 = {a} so duas classes fechadas (os estados 0 e a so estados absorven-
tes), a classe C3 = {1, 2, . . . , a 1, a 2} uma classe aberta.
Cadeia irredutvel
Um cadeia de Markov irredutvel se S a nica classe fechada no vazia que existe.
Perodo do estado i
(n)
d(i) = mdc{n 1 : Pii > 0}
(n)
Se Pii = 0, n > 1, ento d(i) = 0.
Estado aperidico
Se d(i) = (0), 1, estado i aperidico
Se d(i) 2, peridico.
Cadeia aperidica
Uma cadeia aperidica se todos os estados so aperidicos.
Teorema
Dois estados comunicantes tm o mesmo perodo:
i j = d(i) = d(j)
(n)
fii = P(Xn = ie Xk 6= i, k = 1, 2, . . . , n 1|X0 = i)
(0)
Assumimos fii =0
(n)
fij
(0) (n)
Assumimos fii = 0 fij : Probabilidade da primeira visita ao estado j, vindo dei, se dar em n
passos
(n)
fij = P(Xn = je Xk 6= i, k = 1, 2, . . . , n 1|X0 = i)
Tambm pode ser calculada de forma recursiva:
n
(n) (k) (nk)
X
Pij = fij Pjj , n > 1
k=0
Alexandra Bugalho de Moura Processos Estocstico, UEM Agosto 2017 10 / 21
Cadeias de Markov a tempo discreto Classificao dos estados
fii
(n)
X
fii = fii
n=1
Estado recorrente
Se fii = 1, estado i recorrente ou persistente.
Se fii < 1, estado i no recorrente, transitrio ou transiente.
Teorema
Se i comunica com j e i recorrente, ento j tambm recorrente:
i j e i recorrente = j recorrente
Estado ergdico
Estado recorrente positivo e aperidico.
Estado absorvente
Pii = 1
Teorema
Seja S o conjunto dos estados de uma cadeia de Markov.
Se S finito ento
Pelo menos um estado recorrente
Todos os estados recorrentes so recorrentes positivos
Teorema
As classes recorrentes so classes fechadas.
Em cadeias finitas, todas as classes fechadas irredutveis so classes recorrentes
Cadeias regulares
Uma cadeia de Markov diz-se regular se P regular :
nmero finito de estados;
(n)
existe k tal que Pij > 0 (i, j), para n > k
Teorema
Se P finita, irredutvel e aperidica, ento P regular.
Exemplo
0 1/2 1/2
P = 1/2 0 1/2
1/2 1/2 0
1 1 1 1 3 3 3 5 5
2 4 4 4 8 8 8 16 16
2 1 1 1 ;P 3 = 3 1 3 ;P 4 = 5 3 5
P =
4 2 4 8 4 8 16 8 16
1 1 1 3 3 1 5 5 3
4 4 2 8 8 4 16 16 8
5 11 11 171 341 341
16 32 32 512 1024 1024
P5
11 5 11
10 341 171 341
=
32 16 32
;P =
1024 512 1024
11 11 5 341 341 171
32 32 16 1024 1024 512
Exemplo (cont.)
P 100 =
211 275 100 038 038 233 582 783 867 563 422 550 200 076 076 467 165 567 735 125 422 550 200 076 076 467 165 567 735 1
633 825 300 114 114 700 748 351 602 688 1267 650 600 228 229 401 496 703 205 376 1267 650 600 228 229 401 496 703 205
422 550 200 076 076 467 165 567 735 125 211 275 100 038 038 233 582 783 867 563 422 550 200 076 076 467 165 567 735 1
1267 650 600 228 229 401 496 703 205 376 633 825 300 114 114 700 748 351 602 688 1267 650 600 228 229 401 496 703 205
422 550 200 076 076 467 165 567 735 125 422 550 200 076 076 467 165 567 735 125 211 275 100 038 038 233 582 783 867 5
1267 650 600 228 229 401 496 703 205 376 1267 650 600 228 229 401 496 703 205 376 633 825 300 114 114 700 748 351 602 6
0.33333 0.33333 0.33333
0.33333 0.33333 0.33333
0.33333 0.33333 0.33333
Exemplo
Seja uma cadeia de Markov, com a seguinte matriz de transio:
0 1 2 3 4 5 6
0 0.9 0.1 0 0 0 0 0
1 0.9 0 0.1 0 0 0 0
2 0.9 0 0 0.1 0 0 0
P= 3 0.9 0 0 0 0.1 0 0
4 0.9 0 0 0 0 0.1 0
5 0.9 0 0 0 0 0 0.1
6 0.9 0 0 0 0 0 0.1
Exemplo (cont.)
Longo prazo:
9.0 106 1.0 106
.9 .0 9 .00 9 .000 9 .0000 9
.9 .0 9 .00 9 .000 9 .0000 9 9.0 106 1.0 106
9.0 106 1.0 106
.9 .0 9 .00 9 .000 9 .0000 9
8
9.0 106 1.0 106
P =
.9 .0 9 .00 9 .000 9 .0000 9
.9 .0 9 .00 9 .000 9 .0000 9 9.0 106 1.0 106
.9 .0 9 .00 9 .000 9 .0000 9 9.0 106 1.0 106
.9 .0 9 .00 9 .000 9 .0000 9 9.0 106 1.0 106
= (0 , 1 , ..., N )
(k)
j = lim Pij > 0.
n
N
X
j = k Pkj j = 0, 1, , N = P
k=0
com
N
X
k = 1 e k > 0, k S
k=0
Exemplo
Considere novamente a matriz
0 1/2 1/2
P = 1/2 0 1/2
1/2 1/2 0
P regular e computacionalmente verifica-se
0.33333 0.33333 0.33333
P 100 0.33333 0.33333 0.33333
0.33333 0.33333 0.33333
resolvendo a equao
1/22 + 1/23 = 1
P = 1/21 + 1/23 = 2
1/21 + 1/22 = 3