Baixe o app para aproveitar ainda mais
Prévia do material em texto
1. Introdução teórica (29) 1.1. Distribuição markoviana Um processo estocástico é definido como uma coleção de variáveis Xi, indexadas por um parâmetro i, pertencente a um conjunto n (FALEIROS, 2002). Em particular, o processo estocástico é importante para a descrição do procedimento de um sistema, operando sobre algum período de tempo. Assim, a variável Xi representa o estado do sistema no parâmetro i. Em matemática, a cadeia de Markov é um caso particular de processo estocástico com estados discretos. Na memória markoviana, os estados anteriores são irrelevantes para a predição dos estados seguintes, desde que o estado atual seja conhecido (CLARKE, 2002). Um processo estocástico é um processo Markoviano se os estados anteriores forem irrelevantes para a predição dos estados seguintes. O estado futuro depende apenas do estado presente e não dos estados passados. Conhecido o estado atual Xn, o estado futuro Xn+1 e o conjunto Xi de variáveis aleatórias de estado, o conjunto de valores que essas variáveis podem assumir é chamado de espaço de estados, em que Xn é o estado do processo no tempo n. Se a distribuição de probabilidade condicional de Xn+1 é uma função apenas de Xn, então: As probabilidades condicionais são denominadas probabilidades de transição e representam a probabilidade do estado Xn+1 ser x no instante (n+1), dado que o estado é Xn no instante n. Em cada instante i, cada estado pode ser representado pelo valor que suas variáveis assumiram. Assim, o estado pode ser representado por um vetor denominado por Vetor de Estados (LIEBERMAN, 2013). Quando, por exemplo, um estado apresenta três variáveis, seu vetor pode ser escrito por X= E1 E2 E3 As probabilidades de cada estado também podem ser dispostas em um vetor (π), denominado Vetor de Probabilidade de Estado: π = P1 P2 P3 A mudança de um estado para o outro imediatamente posterior pode ser feita por meio do produto entre o vetor de posição atual e a matriz de transição. A matriz de transição é formada por vetores de probabilidade de estado. O quadro 1 mostra os vetores de probabilidade de estado para o exemplo de três variáveis. Com os valores do quadro, é possível construir a matriz P: Assim, a probabilidade de estado para um instante (n+1) pode ser calculada pelo produto entre a probabilidade de estado no instante n e a matriz de transição: 2. Indicações bibliográficas CLARKE, A. B.; DISNEY, R. L. Probabilidade e processos estocásticos. Rio de Janeiro: LTC, 1999. FALEIROS, A. C.; YONEYAMA, T. Teoria matemática de sistemas. São José dos Campos: Arte e Ciência, 2002. HALL, R.; LIEBERMAN, M. Microeconomia – princípios e aplicações. São Paulo: Thomson, 2003. LIEBERMAN, G. J.; HILLIER, F. S. Introdução à pesquisa operacional. São Paulo: Thomsom, 2013.
Compartilhar