Escolar Documentos
Profissional Documentos
Cultura Documentos
ISSN 0122-1701 73
Este artculo relaciona la teora necesaria asociada con la Figura 1.Representacin de la transicin entre estados para una
Convergencia de las Cadenas de Markov, basndose en cadena de Markov
estocstico (para un instante de tiempo especfico) donde cij = aik bkj y la suma
k =1
las variables de estado han sido discretizadas en m
posibles situaciones (Estados 1,, Estado m) y el tiempo
n n
n
n n
ha sido discretizado en etapas (horas, das, meses, etc). c = a b
ij ik kj = aik bkj =
k =1 j =1
j =1 j =1 k =1
En las cadenas de Markov se supone que el paso n
n
n
transicin de un estado a otro slo depende de ambos, es = aij bkj = aij {1} = 1
decir se puede asociar una probabilidad pij a la transicin j =1 k =1 j =1
del estado Ei en la fecha n hacia estado Ej en la fecha b) Si A es una matriz estocstica, =1 siempre es un
n+1. Si llamamos pj(n) la probabilidad de que el proceso valor propio de A. Para mostrar esta propiedad
se encuentre en el estado Ej en una fecha n, y si las observemos inicialmente el determinante I A
probabilidades de transicin pij se mantienen constantes,
tenemos una Cadena de Markov. La cadena de Markov
es regida por la ecuacin (1) que es conocida como las a11 " a1n
ecuaciones de Chapman-Kolmogorov [2] # % #
m
ank " ann
p j (n + 1) = pi ( n) pij (1)
i =1
observemos que en la igualdad I A = 0 (para
Esta ecuacin indica que la probabilidad de entrar al obtener los valores propios) el valor =1 convierte a la
estado j en la fecha n+1 es la suma de las probabilidades matriz I A en una matriz singular y por lo tanto su
de pasar de cualquier estado i al estado j dado que en la determinante es nulo. La singularidad de esta matriz pude
fecha n el proceso se encuentra en el estado i. La forma ser demostrada a travs del concepto de independencia
matricial (para todos los estados) de la ecuacin (1) es: lineal, una combinacin lineal no-nula entre los vectores
columna de dicha matriz da como resultado el vector
[ p(n + 1)] = [ p(n)][ M ] (2) nulo, entonces con =1 tenemos:
cual representa que todas las posibles transiciones del Las constantes c1 = " = cn = 1 satisfacen la ecuacin
estado i a cualquier otro estado j viene regida por una
distribucin de probabilidad (en este caso discreta). Una anterior (recordar que la suma por filas de una matriz
matriz M con las propiedades mencionadas anteriormente estocstica es siempre la unidad).
recibe el nombre de Matriz Estocstica. As queda demostrado que con =1 existe dependencia
Se puede verificar fcilmente la siguiente relacin, para lineal entre las columnas de I A y por lo tanto su
una cadena de Markov, conociendo las probabilidades de determinante es nulo, garantizando pues que la unidad es
la fecha inicial siempre un valor propio de una matriz estocstica.
Ntese que las primeras tres propiedades son similares a Es conveniente analizar el rango de valores que puede
las propiedades de la norma de un vector con m2 asumir k de modo que la norma definida siga siendo
elementos, sin embargo la cuarta propiedad diferencia las norma matricial. La propiedad d) es quien restringe el
normas matriciales de las vectoriales. Ejemplo de normas valor mximo de k as: Si A y B son estocsticas,
matriciales son: entonces C=A B tambin lo es, luego A B = C = n k
n debe ser menor o igual que A B = n2 k2 , esto es
A 1 = aij (Norma 1). 2
i , j =1 n k n2 k , y ya que k>0, se tiene de la relacin anterior
que 0 < k n ; escojamos entonces k=n, que es valor
n
A2 = a ij
2
(Norma 2, o norma Euclidea).
i, j =1 para el cual la norma matricial definida toma el menor
n
(p-norma matricial) valor posible, para nuestra norma matricial, de modo que
A p = p aij
p
Existe una relacin inversa entre las races en z del Para un sistema con tres estados se tienen las
determinante de la matriz C y los elementos del sp(M), probabilidades de transicin entre estados
esto es:
p11 p12 p31 0.4 0.5 0.1
C ( z ) = 0 es [ I ] z[ M ] = z 1 z [ I ] [ M ] = ...
m M = p21 p22 p32 = 0.3 0 0.7
p33 p22
1 E3 p32 E2
[ P( z)] = [ P(0)] Adj ( C( z) ) (6) p23
C( z)
Figura 2.Representacin de la transicin entre estados para una
La ecuacin (6) puede ser desarrollada en fracciones cadena de Markov
parciales simples, con denominadores que pueden ser de
la forma ( z rk ) (rk es cada una de las races del Bajo el supuesto de que el proceso se encuentra en el
Estado 1, calcule las probabilidad del que el proceso se
determinante de C(z) ) de la forma (1 k z ) (el encuentre en alguno de los estados despus de sucedidas
inverso de rk es k (k sp(M)). Se escoger esta ltima muchas transiciones. (Las probabilidades de transicin no
expresin ya que ella permite obtener la transformacin cambian con el tiempo).
Z inversa de forma inmediata.
Observe que M es una matriz estocstica, y sus valores
Se tiene entonces que para el caso de m valores propios 2 + 3 2 3
diferentes el desarrollo en fracciones simples es [3] propio son: 1 = 1 2 = 3 = ,
10 10
observe que uno de ellos es la unidad y los dems son de
m 1 magnitud menor a sta.
[ P( z)] = [ P(0)] 1 z [ A ] k (7)
k =1 k
En cuanto a la matriz [C( z)] = [ I m ] z [ M ] tenemos:
donde las matrices Ak tiene entradas constantes
(independientes de z). 1 0.4 z 0.5 z 0.1z
Al aplicar la transformacin Z inversa a (7) mediante (5) [C ( z )] = 0.3z 1 0.7 z
tenemos: 0.5 z 0.3z 1 0.2 z
Y al expandir [C ( z )]1 en fracciones parciales Para entender esta idea sera necesario profundizar
tendramos que: mucho ms en la teora de estabilidad y la transformada
1 1 1 Z; sin embargo recurriendo a los criterios de estabilidad
[C ( z )] =
1
[A ]+
1 [A ]+ [A ] dados por la Teora de Sistemas de Control Digital, se
1 2 z
2
1 3 z
3
1 z
conoce que cuando los valores propios del sistema estn
ubicados en la frontera del crculo unitario el sistema es
La ecuacin (7) aplicada a este problema resulta en oscilante, y adems si existe multiplicidad el sistema se
torna inestable.
[ p (n)] = [ p (0)] [ A1 ] + [ A2 ] 2 + [ A3 ] 3
n n
9. BIBLIOGRAFA
[5] www.alojamientos.us.Es/edan/asignaturas/CN2/
ApuntesCN-II.pdf.
Apuntes de Clculo Numrico. Volumen II, Curso
2004/2005, Octubre 2004.