Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
Processos Estocásticos Grupo: Murilo Reis, Marcelo De Cicco, Luís Claudio Professor: Mario Jorge Álgebra Linear II (MAE125) Índice Introdução Vetores probabilidades e matrizes estocásticas Matrizes estocásticas regulares Pontos fixos e convergência Processos de Markov: a. Matriz de transição b. Distribuição estacionária c. Estados Absorventes d. Exercícios, aplicações 1. Introdução Processos Estocásticos são fenômenos que variam em algum grau, de forma imprevisível, à medida que o tempo passa. Neste caso, o experimento aleatório determina o comportamento de algum sistema para uma seqüência de variáveis aleatórias, num determinado intervalo de tempo. 2. Vetor Probabilidade Um vetor de probabilidades ou vetor estocástico é um vetor com entradas não-negativas que totaliza 1. 2. Matrizes Estocásticas Em matemática, uma matriz estocástica (também denominado matriz de probabilidade, matriz de transição, matriz de substituição, ou matriz Markov) é uma matriz usada para descrever as transições de uma cadeia de Markov. Cada uma de suas entradas é um número real não negativo que representa uma probabilidade. Na mesma linha, pode-se definir vetor estocástico (também chamado de vetor de probabilidade) como um vetor cujos elementos são números reais não negativos que resumem a 1. 3. Matriz Estocástica Regular Um caso especial de uma matriz estocástica é a matriz regular. Uma matriz estocástica A é dita ser regular, se todos os elementos de pelo menos uma potência específica de A são positivos e diferentes de zero. Matrizes regulares são importantes para o cálculo de probabilidades de processos dependentes (cadeias de Markov). Para uma matriz regular sempre uma matriz inversa existe, o que satisfaz a seguinte equação: A x A^(-1) = A^(-1) x A = I. 4. Ponto fixo e convergência Ponto fixo de uma matriz A é o vetor probabilidade que multiplicado por esta - ou a matriz multiplicada pelo vetor* - não se altera: t . A = t Quando uma matriz de transição é regular, as linhas convergem para um vetor probabilidade fixo t, também chamado de ponto fixo. Aⁿ.V → t (quando “n” → ∞) * Para que a multiplicação possa ocorrer, o número de colunas da primeira matriz da multiplicação deve ser o mesmo número de linhas da segunda. Logo, se o vetor for representado por uma matriz de linha única, então ele será o primeiro fator na multiplicação. Se for de coluna única, será o segundo. 5. Processos de Markov É um processo de transição aleatória entre estados, e cuja probabilidade de transição entre dois estados (inicial e final) depende exclusivamente destes. Ex: a1 a2 probabilidade: p12 Nos processos de Markov, representamos as probabilidades de transição entre dois estados i e j (pij) numa matriz estocástica Amxm, chamada matriz de transição. p11 p12 p13 ... p1m p21 p22 p23 ... p2m p31 p32 p33 ... p3m ... ... p ij ... ... pm1 pm2 pm3 ... pmm Onde cada elemento “pij” representa a probabilidade de transição do estado i para o j. 4a. Cadeias de Markov e Matriz de Transição É nada mais do que uma sequência de processos de markov. Nestas, cada matriz a partir da inicial, é uma potência da matriz de transição inicial. Quando uma matriz de transição (que é estocástica) tem pelo menos uma de suas potências com todas as entradas (elementos) positivas (aij > 0), ela é dita regular. 5a. Distribuição estacionária 5b. Estados Absorventes 5c. Exercícios e Aplicações VAMOS, AGORA ,ENTRAR NO MUNDO DO MATHEMATICA
Compartilhar