Baixe o app para aproveitar ainda mais
Prévia do material em texto
Lista de Exercícios 3 Cadeia de Markov Cadeia de Markov faz parte do aprendizado de processos estocásticos (em aprofundamento de probabilidade e eventos aleatórios) utilizando o conceito de estado discretos. Em resumo, consiste em dizer que a transição entre estados discretos depende somente do estado atual (sem considerar os estados anteriores). Um exemplo feito em aula diz respeito a dias de sol e chuva. Assume-se que dias de sol serão o estado 1 e dias chuvosos o estado 2. A probabilidade de se manter no estado atual é de 0.90 e 0.80, respectivamente. A tabela de transição e o grafo correspondente ao sistema está na figura a seguir. Nota-se que a soma das linhas da matriz P (ou tabela de transição) sempre é igual a 1 (100%). Portanto, a informação correspondente ao arco 1->2 e 2->1 é subentendida. Qual é a probabilidade de o dia 2 ser um dia de sol, visto que o dia 1 foi um dia de sol? (1->1) Resp: 0.9 Qual é a probabilidade de o dia 2 ser um dia de sol, visto que o dia 1 foi um dia de chuva? (2->1) Resp: 0.2 Qual é a probabilidade de o dia 2 ser um dia de chuva, visto que o dia 1 foi um dia de sol? (1->2) Resp: 0.1 Qual é a probabilidade de o dia 2 ser um dia de chuva, visto que o dia 1 foi um dia de chuva? (2->2) Resp: 0.8 Agora, com esta tabela em mãos, podemos descobrir a probabilidade dos estados no dia 3. Basta multiplicar a tabela P por ela mesma e obteremos os valores de uma tabela de transição, não só para um intervalo de tempo, mas para dois intervalos. -> Se continuarmos o processo, saberemos as probabilidades dos estados do dia 4 previstos no dia 1. -> Ao continuarmos o processo, notaremos que a tabela de transição começa a se “estabilizar”, ou seja, os valores de probabilidade em cada coluna se tornam iguais. Não há uma maneira fácil de calcular quantas iterações são necessárias para estabilizar o valor das colunas, mas é possível calcular o valor final deste valor estável. Esta tabela final de transição é conhecida como estado estacionário. Um exemplo do cálculo é visto a seguir. -> Ou seja, um valor “pi”1 e “pi”2 que, quando multiplicados pelos valores da tabela de transição, não alteram seu valor. Para calcular, basta resolver um sistema linear utilizando a primeira multiplicação das matrizes e a informação que a soma dos “pi”s (ou das linhas das tabelas) sempre totaliza 1 ou 100%. Vale notar que utilizando a segunda multiplicação das matrizes, forma-se um sistema equivalente. E, destes dois modos equivalentes, pode-se obter o resultado: Exercício 1 Para cada item, encontre (i) o grafo correspondente, (ii) a matriz de transição para 2 intervalos e (iii) a matriz de transição estacionária (para matrizes 3X3 utilize duas equações de multiplicação de matriz e uma equação de totalidade da soma dos “pi”s). A) B) C) D) E) Exercício 2 Utilize os últimos dígitos de seu RA 8500XYZ para completar a tabela e encontre (i) o grafo correspondente, (ii) a matriz de transição para 2 intervalos e (iii) a matriz de transição estacionária. Exercício 3 Imagine uma cidade de 100.000 habitantes que possui uma certa dinâmica sobre o consumo de refrigerantes. Quando se toma o refrigerante 1, existe cerca de 75% de probabilidade de continuar tomando o mesmo refrigerante. Quando se toma o refrigerante 2, existe cerca de 35% de probabilidade de trocar de marca de refrigerante na próxima ida ao mercado. Desenhe (i) o grafo deste sistema; faça (ii) a matriz de transição de 1 intervalo; (iii) a matriz de transição de 2 intervalos e (iv) a matriz de transição estacionária e utilize estes resultados para responder as questões a seguir. A) Qual é a probabilidade de alguém, que consome refrigerante 1 no momento atual, consumir refrigerante 1 no momento seguinte? B) Sabendo-se que 80.000 habitantes consumiam o refrigerante número 1 no momento atual, qual é o número esperado de habitantes consumindo o refrigerante 1 no momento seguinte? C) Sabendo-se que 80.000 habitantes consumiam o refrigerante número 1 no momento atual, qual é o número esperado de habitantes consumindo o refrigerante 2 em uma previsão de 5 anos? D) Se trocarmos 80.000 habitantes que consomem o refrigerante número 1 no momento atual para 70.000 habitantes, qual é o número esperado de habitantes consumindo o refrigerante 2 em uma previsão de 5 anos? E) E se trocarmos para 100.000 habitantes (todos os habitantes consumiam o refrigerante 1 no momento atual), qual é o número esperado de habitantes consumindo o refrigerante 2 em uma previsão de 5 anos? F) Qual é a conclusão que podemos obter com estes resultados?
Compartilhar