Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
X t +1 = j Xt = i X t −1 = kt −1 X t −1 = kt −1
↑ ↑ ↑
Estado Estado Estados pasados
futuro actual
Las cadenas de Markov tienen la propiedad particular de que las probabilidades que
describen la forma en que el proceso evolucionará en el futuro, dependen sólo del
estado actual en que se encuentra el proceso, y por lo tanto, son independientes de
los eventos ocurridos en el pasado.
Pij = P (Xt+1 = j / Xt = i)
3.3.2. Notación
P( X t = i ) = π i (t )
Siguiendo la lógica de la notación, escribiremos la Ley de Probabilidades asociada a
Xt
Como:
π (t ) = [π1 (t ), π 1 (t ), ......, π r (t )]
Observe que tanto la Ley Inicial del Sistema como las Leyes de Probabilidad para
cualquier instante t, se definen aquí como Probabilidades Totales asociadas a los
distintos estados.
Estados Futuros
Estado 1 j r
1 P11 … P1r
… . . .
Estados i Pij
actuales … …
… … … …
r Pr1 … Prr
Después de mucho estudio sobre el clima, hemos visto que si un día está soleado,
en el 70% de los casos el día siguiente continua soleado y en el 30% se pone
nublado. En términos de probabilidad, lo que nos sirve entonces para predecir el
clima, vemos que la probabilidad de que continúe soleado el día siguiente es 0,7 y la
probabilidad de que al día siguiente esté nublado es 0,3. También nos fijamos en
que si un día está nublado, la probabilidad de que esté soleado el día siguiente es
0,6 y la probabilidad de que se ponga nublado es 0,4. Si hoy está nublado, ¿cuál es
la probabilidad de que mañana continúe nublado?
Analicemos este caso a través de las Cadenas de Markov. La información que nos
proporcionan es la siguiente:
Ley Inicial del Sistema: Hoy está nublado (condición inicial), por tanto la ley inicial es:
La pregunta entonces es, dada la ley inicial en t = 0, hallar las Leyes de Probabilidad
un día después, es decir, en t = 1.
P (X1 =nublado) = P(X0 =nublado) P(X1 =nublado/ X0 =nublado) + P(X0 =soleado) P(X1 =nublado/ X0 =soleado)
Por lo tanto, P (X1 = nublado) = (1) * 0,4 + (0) * (0,3) = 40% Respuesta
Se puede notar que mañana hay más probabilidad de que esté el día soleado. Si
calcula en este caso P (X1 = soleado) se dará cuenta que es igual al 60%, y por lo
tanto por la Ley de Probabilidades el día de mañana dada la condición inicial de
nublado será:
Y que pasa si quiero predecir de alguna manera lo que ocurrirá mañana, cuando no
tengo precisión acerca de la Ley Inicial del Sistema. Supongamos que en vez de
afirmar tan rotundamente que hoy está nublado, dijéramos que está nublado con una
precisión del 80% en nuestra afirmación, es decir, que está “bastante” nublado pero
no tanto como para afirmar que está totalmente nublado. En este caso podemos
decir que la Ley Inicial del Sistema es: π (0) = [π soleado (0), π soleado (0)] = [20%,80%] . Y de
nuevo hacemos la pregunta: ¿cuál es la probabilidad de que mañana esté nublado?
P (X1 =nublado) = P(X0 =nublado) P(X1 =nublado/ X0 =nublado) + P(X0 =soleado) P(X1 =nublado/ X0 =soleado)
3.3.5 Ley de Probabilidades para los Estados del Sistema en cualquier instante
t
π (t + 1) = π (t ) Pt t+1 (3.2)
Supongamos ahora que nos interesa conocer la Ley de Probabilidad del proceso
estocástico {Xt} pero en el instante t + 2.
π (t + 2) = π (t + 1) Pt t++21
Con base en la ecuación (3.4) se puede definir la Matriz de Transición de Dos Pasos
como:
Pt +t 1 = P ∀t
A esto se le llama Probabilidades de Transición Estacionarias u Homogéneas.