Baixe o app para aproveitar ainda mais
Prévia do material em texto
Cadeias de Markov PROF.: ME. OCTÁVIO TORRES Aplicações Uma companhia telefônica está interessada em analisar a sua situação de mercado. Mais especificamente ela está interessada em analisar a sua situação em frente as duas maiores concorrentes. Utilizando o banco de dados sobre os seus clientes nos últimos anos o analista construiu a tabela abaixo. Considerando que um usuário é cliente da Escuro, qual a probabilidade de que ele ainda seja cliente desta companhia daqui a 5 anos? Prof.: Me. Octávio Torres 2 Escuro Tchau Morto Outras Escuro 0,60 0,10 0,25 0,05 Tchau 0,15 0,5 0,3 0,05 Morto 0,06 0,02 0,85 0,07 Outras 0,15 0,1 0,5 0,25 Aplicações A cervejaria líder da Costa Oeste (chamada A) contratou um analista de PO para analisar sua posição de mercado. Fizeram uma pesquisa de mercado e os resultados foram resumidos na tabela a seguir: Se um cliente tomou cerveja A hoje, qual a probabilidade que volte a tomar a cerveja A daqui a 10 rodadas? Prof.: Me. Octávio Torres 3 A B C A 0,8 0,15 0,05 B 0,25 0,7 0,05 C 0,15 0,05 0,8 Conceitos básicos 1. PROCESSO ESTOCÁSTICO: CONJUNTO INDEXADO DE VARIÁVEIS ALEATÓRIAS {XT} EM QUE O ÍNDICE T PERCORRE UM DADO CONJUNTO T. 2. TEMPO: PODE SER DISCRETO OU CONTÍNUO 3. ESTADOS: RESULTADOS/SITUAÇÕES QUE O PROCESSO PODE SE ENCONTRAR. Prof.: Me. Octávio Torres 4 Definição Define-se processo estocástico como um conjunto indexado de variáveis aleatórias 𝑋𝑡 , em que o índice t percorre dado conjunto T. Normalmente, admite-se que T seja o conjunto de inteiros não negativos e 𝑋𝑡 represente uma característica mensurável de interesse no instante t. Prof.: Me. Octávio Torres 5 Exemplo do clima O tempo na cidade de Centerville pode mudar de maneira bastante rápida de um dia para o outro. Entretanto, as chances de se ter tempo seco (sem chuvas) amanhã são ligeiramente maiores, caso esteja seco hoje do que se chover hoje. Particularmente, a probabilidade de termos tempo seco amanhã é de 0,8, caso hoje esteja seco, porém, é de apenas 0,6 caso chova hoje. Essas probabilidades não mudam, caso as informações sobre o tempo antes de hoje também forem levadas em consideração. Prof.: Me. Octávio Torres 6 Exemplo do clima A evolução do tempo, dia a dia, em Centerville é um processo estocástico, começando em dado dia inicial (chamado aqui de dia 0), o tempo é observado em cada dia t, para t=0, 1, 2,... O estado do sistema no dia t pode ser: Estado 0 = Dia t é seco Estado 1 = Dia t é chuvoso Prof.: Me. Octávio Torres 7 Exemplo do clima Portanto, para t=0,1,2..., a variável aleatória Xt assume os seguintes valores: 𝑋𝑡 = ቊ 0 𝑠𝑒 𝑜 𝑑𝑖𝑎 𝑡 𝑒𝑠𝑡𝑖𝑣𝑒𝑟 𝑠𝑒𝑐𝑜 1 𝑠𝑒 𝑜 𝑑𝑖𝑎 𝑡 𝑒𝑠𝑡𝑖𝑣𝑒𝑟 𝑐ℎ𝑢𝑣𝑜𝑠𝑜 Assim dizemos que o processo estocástico 𝑋𝑡 = 𝑋0, 𝑋1, 𝑋2, … fornece uma representação matemática de como o estado do tempo em Centerville evolui ao longo do tempo. Prof.: Me. Octávio Torres 8 Cadeias de Markov 1. CADEIAS DE MARKOV: OS RESULTADOS PASSADOS NÃO INTERFEREM NO RESULTADO FUTURO. 2. PROBABILIDADE DE TRANSIÇÃO: É A PROBABILIDADE DE MUDANÇA DE UM ESTADO PARA OUTRO, PODEM SER: 3. ESTACIONÁRIAS: SE FOREM CONSTANTES AO LONGO DO TEMPO, OU: 4. NÃO ESTACIONÁRIAS: SE NÃO FOREM CONSTANTES (VARIAM NO TEMPO). Prof.: Me. Octávio Torres 9 Propriedade Markoviana Essa propriedade diz que a probabilidade condicional de qualquer evento futuro, dados quaisquer eventos passados e o estado atual, é independente dos eventos passados e depende apenas do estado atual. Ou seja: 𝑃 𝑋𝑡+1 = 𝑗|𝑋0 = 𝐾0, 𝑋1 = 𝐾1, …𝑋𝑡 = 𝑖, = 𝑃 𝑋𝑡+1 = 𝑗|𝑋𝑡 = 𝑖, Prof.: Me. Octávio Torres 10 Cadeias de Markov Um processo estocástico Xt é dito ter a propriedade Markoviana se o resultado anterior for válido ao longo de todo o processo, ou seja, para todo T. Um processo estocástico é uma cadeia de Markov se possuir a propriedade markoviana. Prof.: Me. Octávio Torres 11 Probabilidades de transição As propriedades condicionais 𝑃 𝑋𝑡+1 = 𝑗|𝑋𝑡 = 𝑖, para uma cadeia de Markov são chamadas probabilidades de transição (em uma etapa). Estas probabilidades de transição são consideradas estacionárias se não mudarem ao longo do tempo, ou seja, se forem constantes. E, pode ser consideradas não estacionárias caso contrário. Prof.: Me. Octávio Torres 12 Exemplo do clima Para o exemplo anterior vimos que a evolução diária do tempo em Centerville foi formulada como um processo estocástico 𝑋𝑡 em que: 𝑋𝑡 = ቊ 0 𝑠𝑒 𝑜 𝑑𝑖𝑎 𝑡 𝑒𝑠𝑡𝑖𝑣𝑒𝑟 𝑠𝑒𝑐𝑜 1 𝑠𝑒 𝑜 𝑑𝑖𝑎 𝑡 𝑒𝑠𝑡𝑖𝑣𝑒𝑟 𝑐ℎ𝑢𝑣𝑜𝑠𝑜 E 𝑃 𝑋𝑡+1 = 0|𝑋𝑡 = 0 = 0,8 𝑃 𝑋𝑡+1 = 0|𝑋𝑡 = 1 = 0,6 Além disso, vimos que as probabilidades de chuva ou não amanhã dependem apenas do tempo hoje. Ou seja, este processo possui a propriedade markoviana, logo, é uma cadeia de Markov. Prof.: Me. Octávio Torres 13 Ferramentas de análise 8. MATRIZ DE TRANSIÇÕES: MATRIZ MXM QUE DESCREVE AS PROBABILIDADES DE TODAS AS TRANSIÇÕES POSSÍVEIS DE UM ESTADO I PARA OUTRO J. 9. DIAGRAMA DE TRANSIÇÃO DE ESTADOS: IMAGEM/DIAGRAMA QUE REPRESENTA TODOS OS ESTADOS POSSÍVEIS DA CADEIA DE MARKOV, BEM COMO, AS RESPECTIVAS PROBABILIDADES DE TRANSIÇÃO ENTRE OS ESTADOS. Prof.: Me. Octávio Torres 14 Matriz de transição Uma ferramenta muito útil para estudar as cadeias de Markov é a Matriz de transição. Esta matriz é quadrada (M linhas e M colunas) e representa a probabilidade de transição do estado i (linha) para o estado j (coluna). Por exemplo, uma Cadeia de Markov com apenas dois estados a matriz de transição fica como abaixo: 𝑃 = 𝑝00 𝑝01 𝑝10 𝑝11 Vale observar que o somatório das linhas deve ser sempre 1 (100%). Prof.: Me. Octávio Torres 15 Exemplo do clima No exemplo do clima a matriz de transições é dada por: 𝑃 = 0,8 0,2 0,6 0,4 Ou seja, se a probabilidade de amanhã estar seco dado que hoje está seco é de 0,8, automaticamente a probabilidade de chover, dado que hoje está seco é 0,2. O somatório da linha é 1. Se a probabilidade de amanhã estar seco dado que hoje choveu é 0,6, automaticamente a probabilidade de chover é 0,4. soma da linha é 1 Prof.: Me. Octávio Torres 16 Diagrama de transição O diagrama de transição é uma representação gráfica da matriz de transição. Esta ferramenta utiliza círculos para representar os estados e setas para representar as transições entre os estados. Sendo que cada seta é acompanhada pela probabilidade relacionada àquela transição. Prof.: Me. Octávio Torres 17 Exemplo do clima No exemplo do clima temos apenas dois estados: Seco ou chuvoso, logo, o diagrama terá apenas dois círculos como abaixo: Prof.: Me. Octávio Torres 18 0 1 0,2 0,6 0,40,8 Exemplo das ações Considere o seguinte modelo para o valor de uma ação. No final de determinado dia, o preço é registrado. Se a ação subiu, a probabilidade de que ela subirá amanhã é de 0,7. se a ação tiver caído, a probabilidade de que ela subirá amanhã é apenas 0,5. Para fins de simplificação, classificaremos o caso da ação permanecer estável como uma queda. Considerando que o processo estocástico é uma cadeia de Markov, responda: a) Quantos são e quais são os estados envolvidos neste processo? b) Monte a matriz e o diagrama de transições. Prof.: Me. Octávio Torres 19 Aplicações A cervejaria líder da Costa Oeste (chamada A) contratou um analista de PO para analisar sua posição de mercado. Fizeram uma pesquisa de mercado e osresultados foram resumidos na tabela a seguir: Construa o diagrama de estados. Prof.: Me. Octávio Torres 20 A B C A 0,8 0,15 0,05 B 0,25 0,7 0,05 C 0,15 0,05 0,8 Exemplo da companhia telefonica Uma companhia telefônica está interessada em analisar a sua situação de mercado. Mais especificamente ela está interessada em analisar a sua situação em frente as duas maiores concorrentes. Utilizando o banco de dados sobre os seus clientes nos últimos anos o analista construiu a tabela abaixo. Construa o diagrama de transição. Prof.: Me. Octávio Torres 21 Escuro Tchau Morto Outras Escuro 0,60 0,10 0,25 0,05 Tchau 0,15 0,5 0,3 0,05 Morto 0,06 0,02 0,85 0,07 Outras 0,15 0,1 0,5 0,25 Exercícios Prof.: Me. Octávio Torres 22 Exercício manutenção de máquinas A condição de uma máquina na ocasião da manutenção preventiva mensal é caracterizada como razoável, boa ou excelente. Para o mês t, o processo estocástico para essa situação pode ser representado como: 𝑋𝑡 = ൞ 0 𝑠𝑒 𝑎 𝑐𝑜𝑛𝑑𝑖çã𝑜 𝑓𝑜𝑟 𝑟𝑢𝑖𝑚 1 𝑠𝑒 𝑎 𝑐𝑜𝑛𝑑𝑖çã𝑜 𝑓𝑜𝑟 𝑟𝑎𝑧𝑜á𝑣𝑒𝑙 2 𝑠𝑒 𝑎 𝑐𝑜𝑛𝑑𝑖çã𝑜 𝑓𝑜𝑟 𝑏𝑜𝑎 A figura a seguir representa o digrama de transição para esta situação: Prof.: Me. Octávio Torres 23 Monte a tabela de transição a partir do diagrama abaixo. Qual a probabilidade deste processo partir do estado 0 para o estado 1? Prof.: Me. Octávio Torres 24 0 1 1,0 0,3 0,1 0,9 2 0,7 Compra de computadores Um professor de engenharia compra um novo computador a cada dois anos e tem preferencia por três modelos: M1, M2 e M3. Se o modelo atual por M1, o próximo computador pode ser M2 com probabilidade 0,2 ou M3 com probabilidade 0,15. Se o modelo atual for M2, as probabilidade de trocar para M1 e M3 são 0,6 e 0,25, respectivamente, e, se o modelo atual for M3, entã as probabilidades de trocar para M1 e M2 são 0,5 e 0,1, respectivamente. a) Represente a situação como uma cadeia de Markov. b) Monte a matriz e o diagrama de transição. Prof.: Me. Octávio Torres 25 Hemodiálise Pacientes que sofrem de falência renal podem fazer um transplante ou diálise periódica. Durante qualquer ano, 30% conseguem transplantes de pessoas que morreram e 10% recebem rins de um doador vivo. No ano seguinte a um transplante, 30% dos transplantados com rins de pessoas mortas e 15% dos que receberam rins de doadores vivos voltam à diálise. As porcentagens de óbitos entre os dois grupos são 20% e 10%, respectivamente. Entre os que continuam com a diálise, 10% morrem, e, entre os que sobrevivem mais de um ano após o transplante, 5% morrem e 5% voltam à diálise. Represente a situação como uma cadeia de Markov. Prof.: Me. Octávio Torres 26 Probabilidade de transição em n etapas Prof.: Me. Octávio Torres 27 Aplicação Como apresentado no início deste material, às vezes pode ser de interesse calcular a probabilidade de transição entre os estados de uma cadeia de Markov em duas ou mais etapas. No exemplo da companhia telefônica, a companhia está interessada em saber se, dado que uma pessoa é cliente da companhia hoje, qual a probabilidade de que daqui a 5 anos ele seja cliente? No exemplo da cervejaria, a empresa está interessada em saber qual a probabilidade de que, dado que um cliente tomou a cerveja A hoje, qual a probabilidade que volte a toma-la daqui a 10 rodadas? Prof.: Me. Octávio Torres 28 Equações de Chapman-Kolmogorov A partir das equações de Chapman-Kolmogorov: É possível demonstrar que para calcular a probabilidade de transição em n etapas, basta utilizarmos a matriz de probabilidades de transição e elevá-la à quantidade de etapas, ou seja: 𝑃(𝑛) = 𝑃𝑛 Prof.: Me. Octávio Torres 29 Exemplo do clima NO inicio deste material o tempo na cidade de Centerville foi modelado como uma cadeia de Markov e, a matriz de transição é dada por: 𝑃 = 0,8 0,2 0,6 0,4 Logo, se quisermos obter a matriz de transição em duas etapas, basta elevarmos esta matriz ao quadrado, ou seja: 𝑃(2) = 𝑃2 ou seja: 𝑃(2) = 0,8 0,2 0,6 0,4 × 0,8 0,2 0,6 0,4 ′ = 0, 76 0,24 0,72 0,28 Podemos dizer então que, se choveu hoje, a probabilidade de que também chova depois de amanhã é de 0,28 (28%).Prof.: Me. Octávio Torres 30 Exercícios Prof.: Me. Octávio Torres 31 Companhia telefônica Uma companhia telefônica está interessada em analisar a sua situação de mercado. Mais especificamente ela está interessada em analisar a sua situação em frente as duas maiores concorrentes. Utilizando o banco de dados sobre os seus clientes nos últimos anos o analista construiu a tabela abaixo. Considerando que um usuário é cliente da Escuro, qual a probabilidade de que ele ainda seja cliente desta companhia daqui a 2 anos? Prof.: Me. Octávio Torres 32 Escuro Tchau Morto Outras Escuro 0,60 0,10 0,25 0,05 Tchau 0,15 0,5 0,3 0,05 Morto 0,06 0,02 0,85 0,07 Outras 0,15 0,1 0,5 0,25 Cervejaria A cervejaria líder da Costa Oeste (chamada A) contratou um analista de PO para analisar sua posição de mercado. Fizeram uma pesquisa de mercado e os resultados foram resumidos na tabela a seguir: Se um cliente tomou cerveja A hoje, qual a probabilidade que volte a tomar a cerveja A daqui a 3 rodadas? Se um cliente tomou a cerveja B hoje, qual a probabilidade que ele tome a cerveja A daqui a 3 rodadas? 33 A B C A 0,8 0,15 0,05 B 0,25 0,7 0,05 C 0,15 0,05 0,8 Ações Considere o seguinte modelo para o valor de uma ação. No final de determinado dia, o preço é registrado. Se a ação subiu, a probabilidade de que ela subirá amanhã é de 0,7. se a ação tiver caído, a probabilidade de que ela subirá amanhã é apenas 0,5. Para fins de simplificação, classificaremos o caso da ação permanecer estável como uma queda. Considerando que o processo estocástico é uma cadeia de Markov, responda: Se ação subiu segunda-feira, qual a probabilidade que ela também suba na quinta-feira? Prof.: Me. Octávio Torres 34 Compra de computadores Um professor de engenharia compra um novo computador a cada dois anos e tem preferencia por três modelos: M1, M2 e M3. Se o modelo atual por M1, o próximo computador pode ser M2 com probabilidade 0,2 ou M3 com probabilidade 0,15. Se o modelo atual for M2, as probabilidade de trocar para M1 e M3 são 0,6 e 0,25, respectivamente, e, se o modelo atual for M3, então as probabilidades de trocar para M1 e M2 são 0,5 e 0,1, respectivamente. Se o professor comprou hoje um computador M1, qual a probabilidade de que ele compre um computador M3 em 2021? Prof.: Me. Octávio Torres 35 Hemodiálise Pacientes que sofrem de falência renal podem fazer um transplante ou diálise periódica. Durante qualquer ano, 30% conseguem transplantes de pessoas que morreram e 10% recebem rins de um doador vivo. No ano seguinte a um transplante, 30% dos transplantados com rins de pessoas mortas e 15% dos que receberam rins de doadores vivos voltam à diálise. As porcentagens de óbitos entre os dois grupos são 20% e 10%, respectivamente. Entre os que continuam com a diálise, 10% morrem, e, entre os que sobrevivem mais de um ano após o transplante, 5% morrem e 5% voltam à diálise. Se hoje um paciente aguarda um transplante, qual a probabilidade de que ele também se encontre neste estado daqui a 3 anos? 36
Compartilhar