Você está na página 1de 22

1

PROCESSOS ESTOCSTICOS
Definies, Principais Tipos, Aplicaes em Confiabilidade de
Sistemas
CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos
Estocsticos, Rio de Janeiro: Livros Tcnicos e Cientficos Editora,
1979.
CAMARGO, C. C. de, Confiabilidade Aplicada Sistemas de
Potncia, Rio de Janeiro: Livros Tcnicos e Cientficos Editora,
Santa Catarina: FEESC, 1981.
2
PROCESSO ESTOCSTICO
Fenmeno que varia em algum grau, de forma imprevisvel,
medida que o tempo passa.
Variao do trfego em um cruzamento;
Variao diria no tamanho do estoque de uma empresa;
Variao minuto a minuto do ndice IBOVESPA;
Variao no estado de um sistema de potncia;
Variao no nmero de chamadas feitas a uma central
telefnica.
3
Imprevisibilidade?
A observao de uma seqncia de tempo inteira do
processo, em ocasies diferentes, sob condies
presumivelmente diferentes:
Seqncias resultantes diferentes.
Comportamento de um sistema para uma seqncia ou
intervalo de tempo inteiro:
O resultado ser uma funo (ou seqncia de valores) e
no apenas um nmero.
4
Parmetros do Processo
Para analisar o processo estocstico preciso especificar o
perodo de tempo T envolvido: quando ele ser observado.
Se T contnuo, T = {t : 0 t < ):
Trata-se de um Processo Estocstico de Parmetros
Contnuos: Poisson.
Se T discreto, T = {0, 1, 2, ...}:
Trata-se de um Processo Estocstico de Parmetros
Discretos: Sries Temporais em geral.
5
Realizaes do Processo
A cada ponto t do conjunto T observa-se uma medida ou
varivel aleatria X
t
.
Se o ponto amostral for indicado por s:
X
t
(s) para t eT.
Tal funo de t chamada de processo estocstico ou
aleatrio.
Uma nica funo X
t
, que corresponde a um nico ponto
amostral s chamada de realizao do processo
estocstico.
6
Estados do Processo
O conjunto de valores que X
t
pode assumir chamada de
Espao de Estados, e os valores especficos de X
t
em dado
momento so os Estados do Processo.
Se X
t
representa alguma contagem: Espao de Estados
poderia ser uma seqncia finita ou infinita de inteiros.
Processo de Estado Discreto ou Cadeia Aleatria.
Se X
t
representa uma medida: Espao de Estados poderia
ser um intervalo de nmeros reais.
Processo de Estado Contnuo.
7
Parmetros x Estados
Processo de Parmetros Discretos e Estados Discretos
Estoque de peas em uma loja ao fim da semana.
0
10
20
30
40
50
60
70
80
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
Semana
Q
u
a
n
t
i
d
a
d
e
8
Parmetros x Estados
Processo de Parmetros Discretos e Estados Contnuos
Mdias amostrais dos dimetros de pistes.
X-bar: 74,001 (74,001); Sigma: ,00979 (,00979); n: 5,
5 10 15 20 25
73,988
74,001
74,014
9
Parmetros x Estados
Processo de Parmetros Contnuos e Estados Discretos
No. de chamadas recebidas por um call-center em 6 horas
-5
0
5
10
15
20
25
30
35
0 1 2 3 4 5 6
Tempo
C
h
a
m
a
d
a
s
10
Parmetros x Estados
Processo de Parmetros Contnuos e Estados Contnuos
Eletroencefalograma
11
Anlise de um Processo
Estocstico
Para um valor t, X
t
ser uma varivel aleatria que descreve o
estado do processo no tempo t.
Dada qualquer coleo finita t
1
, t
2
, ..., t
n
de tempos, ento X
t1
,
X
t2
, ..., X
tn
constituem um conjunto de n variveis aleatrias com
distribuio conjunta.
A estrutura de probabilidades do processo X
t
totalmente
determinada desde que:
Distribuio conjunta de cada conjunto de variveis aleatrias
determinada.
Funo de densidade de cada conjunto de variveis aleatrias
determinada.
12
Anlise de um Processo
Estocstico
Consiste em determinar as
distribuies conjuntas e us-las
para prever comportamento futuro,
dado o comportamento passado.
13
Seqncias Independentes
Seqncias de variveis aleatrias independentes com
distribuies idnticas como resultante de repeties
independentes da mesma experincia aleatria, onde a cada
realizao um valor ou medida associado.
Exemplo: equipamento eletrnico tem um capacitor que
reposto toda vez que ele falha.
Tempo de vida X: X
1
, X
2
,...
Cada valor ser positivo: processo de Renovao
14
Processos de Nascimento e Morte
Modelam as alteraes em uma populao.
Estado do processo no instante t (X
t
) representa o tamanho
da populao no instante t.
Exemplos: pacotes presentes em uma rede local, fila com
servidor nico.
Assume-se que nascimentos e/ou mortes mltiplos
ocorrem ao mesmo tempo com probabilidade zero.
As transies ocorrem apenas entre estados vizinhos.
15
Processos de Nascimento e Morte
K - 1 K
K + 1
1 nascimento
1 morte
1 nascimento
1 morte
16
Processos de Nascimento e Morte

k
: taxa de mortes quando a populao k.

k
: taxa de nascimentos quando a populao k.

0
=0: no h mortes quando a populao zero.

0
0: podem ocorrer nascimentos quando a populao zero.

k
P
k
=
k-1
P
k-1

=
=
0 k
k
0 , 1 P
17
Processo de Poisson
Processo de nascimento puro pois a taxa de nascimento
constante: .
P
k
(t) = [(t)
k
e
- t
]/k! Para k0 e t0.
Probabilidade de haver k nascimentos no intervalo (0,t).
Nmero mdio de nascimentos no intervalo (0,t) = t.
Processo de Parmetros Contnuos e Estados Discretos.
18
Processo de Poisson
Evento: nenhuma chegada nos primeiros t minutos
Equivalente primeira chegada aps o tempo t.
Seja t uma varivel aleatria que represente o tempo de 0
at a 1 chegada:
P(T > t) = e
- t
P(T t) = 1 - e
- t
= F(T)
f(T) = cF(T)/ct = e
- t
T tem distribuio exponencial: E(T)=1/ V(T)=1/
2
t
t 0
o
e
! 0
e ) t (
) t ( P


=

=
19
Processos de Markov
Processos sem memria: probabilidade de X
t
assumir um
valor futuro depende apenas do estado atual (desconsidera
estados passados).
P(X
n
=x
n
| X
1
=x
1
,X
2
=x
2
,...,X
n-1
=x
n-1
) = P(X
n
=x
n
|X
n-1
=x
n-1
)
para n = 0, 1, 2, ...
Seja X
t
um processo de Markov, i e j estados, , e t tempos:
P
ij
= P[X(, + t) = j | X(,) = i] , 0 e t 0
Se P
ij
independe do tempo ento o processo de Markov dito
ESTACIONRIO ou homogneo.
20
Processos de Markov
Parmetros Estados
Discretos Contnuos
Discretos Cadeias de Markov
com tempo discreto
Processos de Markov
com tempo discreto
Contnuos Cadeias de Markov
com tempo contnuo
Processos de Markov
com tempo contnuo
21
Cadeias de Markov
Processo de Markov de parmetros contnuos e estados
discretos.
Propriedades:
O sistema observado pode ser descrito como estando em um
estado de um conjunto de estados Si, discretos e exaustivos
e mutuamente exclusivos;
Trocas de estado so possveis em qualquer intervalo de
tempo;
A probabilidade de mais do que uma troca durante um
intervalo infinitesimal de tempo desprezvel.
22
Matriz de transio
O conjunto P(X
n
|X
n-1
) para n = 1, 2, ... constitui as
probabilidades de transio de um passo: probabilidades
iniciais.
Matriz N+1 por N+1 de elementos p
ij
que satisfaz:
p
ij
0 ij = 0, 1, 2, ..., N Ep
ij
= 1 para j=1,...,n e i.
( )

= =
NN 1 N 0 N
N 1 11 10
N 0 01 00
ij
p ... p p
... ... ... ...
p ... p p
p ... p p
p P