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,
1
Santa Catarina: FEESC, 1981.

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.
2

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.
3

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.
4

Realizaes do Processo

A cada ponto t do conjunto T observa-se uma medida ou

varivel aleatria Xt.

Se o ponto amostral for indicado por s:

Xt

(s) para t T.

Tal

funo de t chamada de processo estocstico ou

aleatrio.

Uma

nica funo Xt, que corresponde a um nico ponto

amostral s chamada de realizao do processo
estocstico.
5

Estados do Processo

O conjunto de valores que Xt pode assumir chamada de

Espao de Estados, e os valores especficos de Xt em dado
momento so os Estados do Processo.
Se

Xt representa alguma contagem: Espao de Estados

poderia ser uma seqncia finita ou infinita de inteiros.

Processo de Estado Discreto ou Cadeia Aleatria.

Se

Xt representa uma medida: Espao de Estados poderia

ser um intervalo de nmeros reais.

Processo de Estado Contnuo.

6

Parmetros x Estados
Processo de Parmetros Discretos e Estados Discretos
Estoque

de peas em uma loja ao fim da semana.

80
70
60

Quantidade

50
40
30
20
10
0
1

9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
Semana

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,

74,014

74,001

73,988
5

10

15

20

25

Parmetros x Estados
Processo de Parmetros Contnuos e Estados Discretos
No.

de chamadas recebidas por um call-center em 6 horas

35
30
25

Chamadas

20
15
10
5
0
0

-5
Tempo

Parmetros x Estados

Processo de Parmetros Contnuos e Estados Contnuos

Eletroencefalograma

10

Anlise de um Processo
Estocstico

Para um valor t, Xt ser uma varivel aleatria que descreve o

estado do processo no tempo t.

Dada qualquer coleo finita t1, t2, ..., tn de tempos, ento Xt1,
Xt2, ..., Xtn constituem um conjunto de n variveis aleatrias com
distribuio conjunta.

A estrutura de probabilidades do processo Xt totalmente

determinada desde que:
Distribuio

conjunta de cada conjunto de variveis aleatrias

determinada.

Funo

de densidade de cada conjunto de variveis aleatrias

11
determinada.

Anlise de um Processo
Estocstico
Consiste

em
determinar
as
distribuies conjuntas e us-las
para prever comportamento futuro,
dado o comportamento passado.

12

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
Cada

de vida X: X1, X2,...

valor ser positivo: processo de Renovao

13

Processos de Nascimento e Morte

Modelam as alteraes em uma populao.

Estado do processo no instante t (Xt) 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.

14

Processos de Nascimento e Morte

1 nascimento

K-1

1 nascimento

K+1

1 morte

1 morte
15

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 Pk = k-1 Pk-1

P
k 0

1,0
16

Processo de Poisson

Processo de nascimento puro pois a taxa de nascimento

constante: .

Pk(t) = [(t)

Probabilidade
Nmero

- t]/k!

Para k0 e t0.

de haver k nascimentos no intervalo (0,t).

mdio de nascimentos no intervalo (0,t) = t.

Processo

de Parmetros Contnuos e Estados Discretos.

17

Processo de Poisson

Evento: nenhuma chegada nos primeiros t minutos

( t ) e
Po ( t )
0!
0

Equivalente

e t

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) = F(T)/t = e- t

T tem distribuio exponencial: E(T)=1/ V(T)=1/2

18

Processos de Markov

Processos sem memria: probabilidade de Xt assumir um

valor futuro depende apenas do estado atual (desconsidera
estados passados).
P(Xn=xn|

X1=x1,X2=x2,...,Xn-1=xn-1) = P(Xn=xn|Xn-1=xn-1)

para n = 0, 1, 2, ...

Seja Xt um processo de Markov, i e j estados, e t tempos:

Pij

= P[X( + t) = j | X() = i]

0et0

Se Pij independe do tempo ento o processo de Markov dito

ESTACIONRIO ou homogneo.
19

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
20

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.
21

Matriz de transio

O conjunto P(Xn|Xn-1) para n = 1, 2, ... constitui as

probabilidades de transio de um passo: probabilidades
iniciais.

Matriz N+1 por N+1 de elementos pij que satisfaz:

pij

0 ij = 0, 1, 2, ..., N

p 00
p
10
P p ij
...
p N 0

pij = 1 para j=1,...,n e i.

p 01 ... p 0 N

p11 ... p1N

... ... ...

p N1 ... p NN

22