Baixe o app para aproveitar ainda mais
Prévia do material em texto
Prof. Airton Carneiro Prof. Francisco Pinheiro PESQUISA OPERACIONAL II Denomina-se processos estocásticos àqueles processos que evoluem no tempo de forma probabilística, podendo ser classificados em relação ao Estado ou ao Tempo: Em relação ao Estado: Estado Discreto (cadeia): X(t) é definido sobre um conjunto enumerável ou finito. Estado Contínuo (sequência): X(t) caso contrário. Em relação ao Tempo (Parâmetro): Tempo Discreto: “t” é finito ou enumerável. Tempo Contínuo: “t” caso contrário. PROCESSOS ESTOCÁSTICOS Prof. Airton Carneiro Prof. Francisco Pinheiro PESQUISA OPERACIONAL II Exemplos: Número de usuários em uma fila de banco em um determinado instante: Estado Discreto e Tempo Contínuo. Índice pluviométrico diário: Estado Contínuo e Tempo Discreto. Número de dias chuvosos: Estado Discreto e Tempo Discreto. Se o estado em que se encontra o processo estocástico depende só do estado anterior, mas não dos anteriores a esse, estaremos ante um processo de Markov. PROCESSOS ESTOCÁSTICOS Prof. Airton Carneiro Prof. Francisco Pinheiro Em matemática, a cadeia de Markov é um caso particular de processo estocástico com estados discretos (o parâmetro, em geral o tempo, pode ser discreto ou contínuo) e apresenta a propriedade Markoviana, chamada assim em homenagem ao matemático russo Andrei Andreyevich Markov. A definição desta propriedade, também chamada de memória markoviana, é que os estados anteriores são irrelevantes para a predição dos estados seguintes, desde que o estado atual seja conhecido. PESQUISA OPERACIONAL II CADEIAS DE MARKOV Prof. Airton Carneiro Prof. Francisco Pinheiro Um processo estocástico é um Processo de Markov se a ocorrência de um estado futuro depender de somente do estado imediatamente precedente. A matriz P (em notação matricial, qualquer letra maiúscula em negrito representa uma matriz) define a denominada cadeia de Markov. PESQUISA OPERACIONAL II CADEIAS DE MARKOV Prof. Airton Carneiro Prof. Francisco Pinheiro PESQUISA OPERACIONAL II Representação de uma Cadeia de Markov: As representações mais comuns de uma cadeia de Markov são a notação matricial e o diagrama de estado. Vejamos o exemplo: Suponhamos que o tempo em uma região geográfica é classificado como Sol, Nublado ou Chuva, em um determinado dia, assim a matriz P do problema é: Prof. Airton Carneiro Prof. Francisco Pinheiro De forma equivalente, o diagrama de estado seria: PESQUISA OPERACIONAL II 0,1 0,2 0,4 0,2 0,5 0,5 0,4 Sol Chu va Nub lado 0,4 0,3 Prof. Airton Carneiro Prof. Francisco Pinheiro PESQUISA OPERACIONAL II Probabilidades de Transição em n-etapas e Absolutas Dadas as probabilidades iniciais a(0) = {aj (0)} de iniciar no estado “j” e a matriz de transição P de uma cadeia de Markov, as probabilidades absolutas a(n) = {aj (n)} de estar no estado “j” após “n” transições (n > 0) são calculadas da seguinte maneira: a(1) = a(0)P a(2) = a(1)P = a(0)PP = a(0)P2 a(3) = a(2)P = a(0)P2P = a(0)P3 A matriz Pn é conhecida como matriz de transição em n etapas. Pelos cálculos anteriores, temos: Pn = Pn - 1 P, ou de forma geral: Pn = Pn - m Pm, 0 < m < n Prof. Airton Carneiro Prof. Francisco Pinheiro PESQUISA OPERACIONAL II Exemplo – O problema do Jardineiro: Todo ano, no início da estação de plantio de mudas (março a setembro), um jardineiro usa um teste químico para verificar a condição do solo. Dependendo do resultado do teste, a produtividade para a nova estação cai em um dos três estados: 1 – bom; 2 – razoável; 3 – ruim. Ao longo dos anos, o jardineiro observou que a condição do solo no ano anterior causava um impacto sobre a produtividade no ano corrente e que a situação podia ser descrita pela seguinte cadeia de Markov: Prof. Airton Carneiro Prof. Francisco Pinheiro Na matriz mostrada acima, se observa que as probabilidades de transição neste ano mostram que a condição do solo pode se deteriorar ou se manter, mas nunca melhorar. Se a condição do solo neste ano for boa (estado 1), há 20% de chances de não mudar no ano seguinte, 50% de chance de se tornar razoável (estado 2) e 30% de chance de deteriorar até uma condição ruim (estado 3). Se a condição do solo neste ano for razoável (estado 2), a produtividade não tem chances de no próximo ano passar a ser boa, a produtividade no ano seguinte pode permanecer razoável com probabilidade 0,5 ou tornar-se ruim (estado 3), também com probabilidade 0,5. Por fim, uma condição ruim neste ano (estado 3) só pode resultar em igual condição no próximo ano (isso implica que a probabilidade de ser ruim seja 1). PESQUISA OPERACIONAL II Prof. Airton Carneiro Prof. Francisco Pinheiro PESQUISA OPERACIONAL II O jardineiro pode alterar as probabilidades de transição P (para o próximo ano) usando fertilizante para melhorar a condição do solo. Nesse caso, a matriz de transição se torna: Prof. Airton Carneiro Prof. Francisco Pinheiro PESQUISA OPERACIONAL II a) Se a condição do solo é boa, isto é, a(0) = (1, 0, 0), determine as probabilidades absolutas dos três estados do sistema após 1 ano usando fertilizantes. b) Se a condição do solo é boa, isto é, a(0) = (1, 0, 0), determine as probabilidades absolutas dos três estados do sistema após 4 anos usando fertilizantes. c) Se a condição do solo é boa, isto é, a(0) = (1, 0, 0), determine as probabilidades absolutas dos três estados do sistema após 1 ano sem usar fertilizantes. d) Se a condição do solo é boa, isto é, a(0) = (1, 0, 0), determine as probabilidades absolutas dos três estados do sistema após 4 anos sem usar fertilizantes. Prof. Airton Carneiro Prof. Francisco Pinheiro PESQUISA OPERACIONAL II Solução: a) Usando fertilizantes, as probabilidade absolutas após 1 ano serão: Portanto, após 1 ano teremos: a(1) = a(0)P Prof. Airton Carneiro Prof. Francisco Pinheiro PESQUISA OPERACIONAL II Solução: b) Usando fertilizantes, as probabilidades absolutas após 4 anos serão: Portanto, após 4 anos teremos: a(4) = a(0)P4 Prof. Airton Carneiro Prof. Francisco Pinheiro PESQUISA OPERACIONAL II Exemplo: Um professor de engenharia compra um novo computador a cada dois anos e tem preferência por três modelos: M1, M2 e M3. Se o modelo atual for M1, o próximo computador pode ser M2 com probabilidade 0,2 ou M3 com probabilidade 0,15. Se o modelo atual for M2, as probabilidades 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. Represente a situação como uma cadeia de Markov. Prof. Airton Carneiro Prof. Francisco Pinheiro PESQUISA OPERACIONAL II Exemplo: Um carro de polícia está patrulhando uma região conhecida pelas atividades de gangues, Durante uma patrulha, há 60% de chance de a localidade que precisar de ajuda ser atendida a tempo, senão o carro continuará sua patrulha normal. Ao receber uma chamada, há 10% de chance de cancelamento (quando o carro volta a sua patrulha normal) e 30% de chance de o carro já estar atendendo a uma chamada anterior. Quando o carro de polícia chega à cena, há 10% de chance de os arruaceiros terem fugido (então o carro volta à patrulha) e 40% de chance de uma prisão imediata. Caso contrario, os policiais farão uma busca na área. Se ocorrer uma prisão, há 60% de chance de transportar os suspeitos até o distrito policial; caso contrário,serão liberados e o carro volta à patrulha. Expresse as atividades probabilísticas da patrulha policial sob a forma de uma matriz de transição. Prof. Airton Carneiro Prof. Francisco Pinheiro PESQUISA OPERACIONAL II Exemplo: Pacientes que sofrem de falência renal podem fazer um transplante ou hemodiálise 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 hemodiálise. As porcentagens de óbitos entre os dois grupos são 20% e 10%, respectivamente. Entre os que continuam com a hemodiálise, 10% morrem, e, entre os que sobrevivem mais de um ano após o transplante, 5% morrem e 5% voltam hemodiálise. Represente a situação como uma cadeia de Markov. Prof. Airton Carneiro Prof. Francisco Pinheiro PESQUISA OPERACIONAL II Problema1: Analisando o problema do professor ao comprar um computador, determine a probabilidade de o professor comprar o modelo corrente dentro de quatro anos. Problema2: Analisando o problema do carro de polícia. Se no momento em questão o carro de polícia estiver em uma cena para onde foi chamado, determine a probabilidade de ocorrer uma prisão em duas patrulhas. Problema 3: Analisando o problema do paciente em hemodiálise: (a) Para um paciente que está atualmente em dialise, qual é a probabilidade de receber um transplante em dois anos? (b) Para um paciente que atualmente sobrevive há mais de um ano, qual é a probabilidade de sobreviver mais quatro anos? Prof. Airton Carneiro Prof. Francisco Pinheiro CLASSIFICAÇÃO DOS ESTADOS EM UMA CADEIA DE MARKOV Os estados de uma cadeia de Markov podem ser classificado com base na probabilidade de transição de P. 1. Um estado j é dito accessível a partir do estado i, se para algum n 0. Lembre que é simplesmente a probabilidade condicional de se encontrar no estado j após n-etapas, partindo do estado i. 2. Os estados i e j se dizem comunicantes se a partir do estado i se alcança o estado j e se a partir do estado j se alcança o estado i. 3. Quando dois estados se comunicam, se diz que eles pertencem à mesma classe. PESQUISA OPERACIONAL II A B P > 0 A B Prof. Airton Carneiro Prof. Francisco Pinheiro CLASSIFICAÇÃO DOS ESTADOS EM UMA CADEIA DE MARKOV 4. Se todos os estados são comunicantes, portanto todos pertencem a uma única classe, a cadeia de Markov é dita de irredutível. PESQUISA OPERACIONAL II 0,1 0,2 0,4 0,2 0,5 0,5 0,4 Sol Chu va Nub lado 0,4 0,3 Prof. Airton Carneiro Prof. Francisco Pinheiro 5. Um estado i é absorvente se retornar para ele mesmo, com certeza, em uma transição, isto é, = 1. 6. Um estado é transiente se a partir de um estado i puder alcançar um estado j, mas a partir do estado j não puder voltar ao mesmo estado i em que estava. PESQUISA OPERACIONAL II A B C D Prof. Airton Carneiro Prof. Francisco Pinheiro 7. Um estado j é recorrente se a probabilidade de voltar ao estado j em que estava com base em outros estados for 1. Isso pode acontecer se, e somente se, o estado não for transiente. 8. Um estado j é periódico com período t > 1 se um retorno só for possível em t, 2t, 3t, .... etapas. PESQUISA OPERACIONAL II A B C 0,8 0,3 0,7 1 0,2 Prof. Airton Carneiro Prof. Francisco Pinheiro Analisando a seguinte cadeia de markov temos: PESQUISA OPERACIONAL II 1 2 3 4 1 1 0,3 0,6 0,4 0,7 Prof. Airton Carneiro Prof. Francisco Pinheiro PESQUISA OPERACIONAL II 1 2 3 4 1 1 0,3 0,6 0,4 0,7 Os estados 1 e 2 são transientes porque não podem retornar. Os estado 3 e 4 que, de certo modo, desempenham o papel de um estado absorvente (mas não são estados absorventes), constituem um conjunto fechado. Prof. Airton Carneiro Prof. Francisco Pinheiro Ex: Considere a seguinte cadeia de Markov para os estados 1 e 2 (caso do jardineiro): PESQUISA OPERACIONAL II Os estados 1 e 2 são transientes porque alcançam o estado 3 mas nunca podem voltar ao estado anterior. O estado 3 é absorvente porque p33 = 1. 1 2 3 0,5 0,5 1 0,2 0,3 0,5 Prof. Airton Carneiro Prof. Francisco Pinheiro PROBABILIDADES DE ESTADO NO EQUILÍBRIO E TEMPOS MÉDIOS DE RETORNO PESQUISA OPERACIONAL II P= P2= = P4= = Prof. Airton Carneiro Prof. Francisco Pinheiro PROBABILIDADES DE ESTADO NO EQUILÍBRIO E TEMPOS MÉDIOS DE RETORNO PESQUISA OPERACIONAL II P8= = = As probabilidades de estado no equilíbrio são definidas por: = P 1j j n......,,2,1j, 1 j ji Tempo médio do primeiro retorno ou tempo médio de recorrência Prof. Airton Carneiro Prof. Francisco Pinheiro Exemplo: Em um domingo ensolarado de primavera, o MiniGolf pode obter R$ 2.000 de receita bruta. Se o dia estiver nublado, a receita cai 20%. Um dia chuvoso reduz a receita em 80%. Se o dia de hoje estiver ensolarado, há 80% de chance que amanhã o tempo também vai estar ensolarado, sem nenhuma chance de chuva. Se o dia estiver nublado, há 20% de chance de chover amanha e 30% de chance de fazer sol. A chuva continuará no dia seguinte com uma probabilidade de 0,8, mas há 10% de chance de fazer sol. (a) Determine a receita diária esperada para o MiniGolf. (b) Determine o número médio de dias em que o tempo não estará ensolarado. PESQUISA OPERACIONAL II Prof. Airton Carneiro Prof. Francisco Pinheiro Exemplo: Joe adora jantar em restaurantes de comida típica. Seus pratos favoritos são os mexicanos, italianos, chineses e tailandeses. Na média, ele paga R$ 10,00 por uma refeição mexicana, R$ 15,00 por uma refeição italiana, R$ 9,00 por uma refeição chinesa e R$ 11,00 por uma refeição tailandesa. Os hábitos alimentares de Joe são previsíveis: há 70% de chance de a refeição de hoje ser uma repetição da de ontem e probabilidades iguais de trocar para uma das três restantes. (a) Expresse o problema como uma cadeia de Markov (b) Quanto Joe pagará em média por seu jantar diário? PESQUISA OPERACIONAL II Prof. Airton Carneiro Prof. Francisco Pinheiro Exemplo: Há três categorias de contribuintes do lmposto de Renda nos Estados Unidos: os que nunca sonegam impostos, os que sonegam as vezes e os que sempre sonegam. Um exame de auditorias de declarações de lmposto de Renda de um ano para o ano seguinte mostra que 95% dos que não sonegaram impostos no ano anterior continuam na mesma categoria no ano corrente, 4 % passam para a categoria “às vezes” e o restante passa para a categoria “sempre”. No caso dos que sonegam as vezes, 6% passam para “nunca”, 90°/o continuam na mesma categoria e 4% passam para “sempre”. Quanto aos que “sempre” sonegam, as porcentagens respectivas são 0%, 10% e 90%. (a) Expresse o problema como uma cadeia de Markov. (b) No longo prazo, quais seriam as porcentagens de sonegadores nas categorias “nunca”, “às vezes” e “sempre”? (c) Estatísticas mostram que o contribuinte da categoria “às vezes” sonega impostos de aproximadamente R$ 5.000 por declaração, e os da categoria “sempre”, de aproximadamente R$ 12.000. Considerando uma taxa de imposto sobre a renda de 12% e uma população de contribuintes de 70 milhões, determine a redução anual no recolhimento de impostosdevida a sonegação. PESQUISA OPERACIONAL II Prof. Airton Carneiro Prof. Francisco Pinheiro Solução: PESQUISA OPERACIONAL II a) b) Assim, no estado de equilibrio: nunca = 44,12%, as vezes 36,76%, sempre 19,12% Prof. Airton Carneiro Prof. Francisco Pinheiro Continuação: PESQUISA OPERACIONAL II c) A sonegação esperada de impostos/ano = 0,12 [ (0,4412)(70106)(0) + (0,3676)( 70106)(5.000) + (0,1912)( 70106)(12.000) ] = 34.712.1641.097,07
Compartilhar