Escolar Documentos
Profissional Documentos
Cultura Documentos
08.09.2009
Revisão – Processos de Markov
Introdução
Andrei Andreyevich Markov (1856, 1922†) – Matemático Russo
P ( X (t n ) = x n X (t1 ) = x1 , X (t 2 ) = x 2 , L , X (t n −1 ) = x n −1 )
= P ( X (t n ) = x n X (t n −1 ) = x n −1 ),
sempre que t1 < t 2 < L < t n −1 < t n . Para simplificar a nootação, pode-se defi-
nir
X (t n ) = X n = x n
Em outras palavras,
palavras um processo aleatório é um processo de Markov se dado o
“presente”. O “futuro” do processo independe do “passado”.
Teoria da Informação – Prof. Márcio Lima 3
Revisão – Processos de Markov
Introdução
Classificação:
• Tempo (parâmetro)
Processo de tempo discreto
X (t ), t = 0 ,1, 2 , K
Processo de tempo contínuo
X (t ), t ≥ 0
• Espaço de estados (Conjunto dos Possível Valores do Processo)
Processos com Estados Discretos (Cadeia de Markov)
P j , k (m , n ) = P ( X n = k X m = j ),
Forma simplificada
P j , k (m , n ) = P j , k ,
são as chamadas probabilidades de transição de estado, ou simplesmente
probabilidade de transição. Ou seja, é a probabilidade do sistema estar no
estado k no instante de tempo n dado que no instante m esteve no estado j.
P j , k (1) = P ( X t +1 = k X t = j ) = P ( X n +1 = k X n = j ),
P j (n ) = P ( X n = j ),
P0 ,1
P0 , 0 0 1 P1,1
P1, 0
P0 , 2 = 0 , 01
P1, 2 = 0 , 45 2
P2 , 2 = 1
Sejam
j as p
probabilidades de transição
ç de n p
passo de uma cadeia de Markov
P j , k (n ) = P ( X n + t = k X t = j ),
Diz exatamente a probabilidade de ir do estado k ao estado j em n passos.
tem-se
P j , k (n ) = ∑ P (u )P (n − u ),
j ,i i ,k
i∈E
P (n ) = P (u ) ⋅ P (n − u ),
Um caso particular, de u = 1, tem-se
P (n ) = P (1) ⋅ P (n − 1) = P ⋅ P (n − 1),
Realizando mais um p
passo, tem-se
P (n ) = P ⋅ P ⋅ P (n − 2 ) = P 2 ⋅ P (n − 2 ),
Logo
P (n ) = P n = P n- 1 ⋅ P = P ⋅ P n- 1 ,