Baixe o app para aproveitar ainda mais
Prévia do material em texto
PROCESSOS ESTOCÁSTICOS Prof. Dr. Adriano Silva Belísio Processo Estocástico São sequências de números aleatórios gerados pelas leis probabilísticas. Um processo estocástico é definido como um conjunto indexado de variáveis aleatórias {Xt}, em que o índice t percorre dado conjunto T. Normalmente admiti-se que T seja o conjunto de inteiros não-negativos e Xt represente uma característica mensurável de interesse no instante t. Por exemplo, Xt poderia representar o nível de estoque de determinado produto no final da semana t. Os processos estocásticos são de interesse por descreverem o comportamento de um sistema operando ao longo de algum período. Um processo estocástico normalmente apresenta a seguinte estrutura. O estado atual do sistema pode cai em qualquer um das M+1 categorias mutuamente exclusivas denominados estados {0, 1, ..., M}. A variável aleatória Xt representa o estado do sistema no instante t, de modo que seus únicos valores possíveis sejam 0, 1, ..., M. Assim, o processo estocástico{Xt} = {X0, X1, X2,...} fornece uma representação matemática de como o estado do sistema físico evolui ao longo do tempo. Exemplo: O estado no ano de 1993 do uso da terra em uma cidade de 50 quilômetros quadrados de área é: Os valores da tabela podem ser dispostos em um vetor x, denominado Vetor de Estados: x = [I II III] As probabilidades de cada Estado (probabilidade não- condicional) podem também ser dispostos em um vetor π, denominado Vetor de Probabilidade de Estado (para distingui-las das probabilidades de transição): Assumindo que as probabilidades de transição para intervalos de 5 anos são dadas pela seguinte tabela: As probabilidades condicionais na tabela 2, em termos informais, podem ser entendidas como: De I para I⇒ a probabilidade do Estado ser I após 5 anos, dado que o estado atual (presente) I é 0,8 ou P{X(t+5)= I| X(t) = I} = 0,8. para t = 1993, fica (X (1998) = I|X (1993)= I}=0,8. De I para II⇒ a probabilidade do Estado ser II após 5 anos, dado que o estado atual (presente) I é 0,1 ou P{X(t+5)= II| X(t) = I} = 0,1. para t = 1993, fica (X (1998) = II|X (1993)= I}=0,1. De I para III ⇒ a probabilidade do Estado ser III após 5 anos, dado que o estado atual (presente) I é 0,1 ou P{X(t+5) = III| X(t) = I} = 0,1. para t = 1993, fica (X (1998) = III|X (1993) = I}=0,1. De II para I ⇒ a probabilidade do Estado ser I após 5 anos, dado que o estado atual (presente) II é 0,1 ou P{X(t+5)= I| X(t) = II} = 0,1. para t = 1993, fica (X (1998) = I|X (1993) = II}=0,1. De II para II⇒ a probabilidade do Estado ser II após 5 anos, dado que o estado atual (presente) II é 0,7 ou P{X(t+5)= II| X(t) = II} = 0,7. para t = 1993, fica (X (1998) = I|X (1993) = II}=0,7. O raciocínio é análogo para as demais. Os valores da tabela 2 podem ser então dispostos em uma matriz P, denominadaMatriz de Transição: Assim, a partir de P e o vetor de probabilidade de estado π para 1993, denominado π(0) , pode-se calcular o vetor de probabilidade de estado para 1998, denominado π(1): Classificação dos Processos Estocásticos: a) Em relação ao estado: • Estado discreto (cadeia) – se X(t) é definido sobre um conjunto enumerável ou finito. • Estado contínuo (sequência) - X(t) caso contrário Classificação dos Processos Estocásticos: b) Em relação ao tempo: • Tempo discreto – se t é finito ou enumerável. • Tempo contínuo – caso contrário. Exemplos: 1. Número de usuários em uma fila de banco em um determinado instante: Espaço discreto e tempo contínuo. 2. Índice pluviométrico em cada dia do mês – estado contínuo e tempo discreto. 3. Número de dias que choveram em cada mês do ano – estado discreto e tempo discreto. Processos Estocásticos Estacionários - mantém seu comportamento dinâmico invariante no tempo. Processos Estocásticos Independentes - se os valores de X(t) são independentes, isto é, o valor assumido por X(tj) não depende do valor assumido por X(ti) se i ≠ j. Processo de Markov, chamado de “memoryless”, é um processo estocástico em que o próximo estado depende apenas do estado atual. Exemplo envolvendo o clima O tempo na cidade Centerville pode mudar de maneira bastante rápida de um dia para o outro. Entretanto, as chances de termos 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 amanhã chova. Essas probabilidades não mudam, caso as informações sobre o tempo antes de hoje também forem levadas em consideração. A evolução do tempo, dia a dia em Centerville é um processo estocástico. Começando em dado dia inicial, 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 Ou então Estado 1 = Dia t com chuva. Portanto, para t = 0, 1, 2, ..., a variável aleatória Xt, assume os seguintes valores. O processo estocástico {Xt} = {X0, X1, X2,...} fornece uma representação matemática de como o estado do tempo em Centerville evoluiu ao longo do tempo.
Compartilhar