Académique Documents
Professionnel Documents
Culture Documents
MARKOV
Dr. Jos
Castillo
Montes
1. Espacio de estados:
2. Matriz de transicin:
3. Distribucin inicial
E E1 , E2 ,K , Es
p11
p
P 21
M
ps1
p12
p22
M
ps 2
L
L
O
L
siendo pij P X t 1 E j X t Ei
p1s
p2 s
M
pss
P 0 p1 0 , p2 0 ,K , ps 0
PROPIEDAD MARKOVIANA
Un proceso estocstico tiene la propiedad markoviana si las probabilidades de
transicin en un paso slo dependen del estado del sistema en el perodo anterior
(memoria limitada)
MATRIZ DE TRANSICIN
Una matriz de transicin para una cadena de Markov de n estado es una
matriz de nxn con todos los registros no negativos y con la propiedad
adicional de que la suma de los registros de cada columna (o fila) es 1
Una herramienta fundamental en el estudio de las cadenas de
Markov lo constituyen las matrices de transicin en n pasos: P (n)
= (P(n)ij ), donde P(n)ij denota la probabilidad de que el proceso
pase del estado i al estado j en n pasos:
P
(n)
ij
X t 1 j
P X t 1 j
X 0 , X 1 ,..., X t
X t
Probabilidades de transicin
Las CM estn completamente caracterizadas por las probabilidades
de transicin en una etapa,
X t 1 j
, i, j S , t T
X t i
i, j S t T , P
X t 1 j
q
ij
X t i
Probabilidades estacionarias de un
paso
Si para cada i y j se cumple:
P{ X
t+1
= j / X t = i } = P{ X
i}
=j/X
Propiedades de Pij(n)
1. Pij(n) 0
para todo i, j y n = 0, 1, 2,
Probabilidades de Estado
Estable
(n)
, con n tendiendo al
j = j * pij
para j = 0, 1, , M y la
sumatoria variando de i = 0, 1, , M
j = 1
K=1
.
Si k es un estado absorbente, y el
proceso comienza en el estado i, la
probabilidad de llegar en algn
momento a k se llama probabilidad de
Pij =0 (i 6= j, j = 1,...,m) en la i-sima fila de T
sm
m
columnas
R
I
De donde:
I = matriz identidad de orden mxm representa la probabilidad de
permanecer dentro de un estado absorbente.
Q = matriz de orden (s-m)x(s-m) probabilidad de ir de un estado
transitorio hasta otro estado transitorio
R = matriz de orden (s-m) x m : probabilidad de ir de un estado
transitorio hasta un estado absorbente
0 = matriz nula de orden mx(s-m) : representa las probabilidades
de ir de un estado absorbente hasta un estado transitorio
En base a esto es posible determinar
1) El numero esperado de veces que se llegara a un estado: (I-Q) -1
2) El numero de periodos que esperamos pasar en un determinado
estado transitorio antes que se efectu la absorcin: (I-Q) -1
3) La probabilidad de determinar en cada uno de los estados
absorbentes:
(I - Q)
-1
.R
Estado peridico
La probabilidad de que se regrese al estado Ei en el paso n es P(n)ii
. Sea t un nmero entero mayor que 1. Supongamos que
p(n)ii = 0 para n t, 2t, 3t, . . .
p(n)ii 0 para
n = t, 2t, 3t,
En este caso se dice que el estado Ei es peridico de periodo t. Si
para un estado no existe dicho valor de t entonces se dice que el
estado es aperidico.
CADENA ERGDICAS
Si los estados de una CM son recurrentes, aperidicos y se
comunican entre si, se dice que la cadena es ergodica. Se
distinguen dos tipos de cadenas ergodicas:
a) Cadena ergodica cclica: en ella solo se puede entrar en un
estado a intervalos peridicos fijos.
b) Cadena ergodica es regular: cuando no es cclica. Si para alguna
potencia de la matriz de transicin tiene nicamente elementos
positivos de probabilidades
Ecuaciones:
fik = S pij * fjk para todo i = 0, 1, , M; y la sumatoria
variando de j = 0 hasta M
La ecuacin anterior est sujeto a:
fkk = 1
fik = 0, si el estado i es recurrente, y
k
adems i es distinto de
s1
s2
s1
s2
S3
S1 s2
1/2
1/2
1/2
1/2
Cadena regular
s1
s2
S3
S1
0
1/2
1/4
s2
S3
3/4 1/4
0
1/2
3/4 0
s2
0
1
0
S3
0
1
0
1 0
s1
s2
S3
S1 s2
S3
1/2
1/4
0 1/3
2/3
0
3/4
S1 es un Estado transitorio y
la cadena es no regular y no
ergodica, aunque S2 y S3 sean
conjunto ergodicos