Escolar Documentos
Profissional Documentos
Cultura Documentos
ESTOCÁSTICOS
1
Processos Estocásticos
➢ Relembrando:
Processo estocástico
É a descrição de um fenômeno aleatório que varia com o tempo.
Processo estocástico Y1, Y2, Y3...
Evolução da população brasileira desde 1998
10
Exemplo 1 (cadeia de montagem): Os produtos finais
de uma cadeia de montagem, após uma supervisão à
que são submetidos, podem ser considerados
defeituosos ou não. Se o n-ésimo produto não tiver
defeito, fazemos Xn = 1 , caso contrario Xn = 0 .
Suponha que um produto é defeituoso
independentemente dos outros produtos e que a
probabilidade de que isto aconteça é “P” , então X1 ,
X2 , X3 ,...,Xn é uma sequência de variáveis aleatórias
independentes e identicamente distribuídas (i.i.d.)
Bernoulli com parâmetros “p” de sucesso.
11
Exemplo 2 (Estoque): Uma pequena loja de
equipamentos eletrodomésticos vende um tipo de
máquina de lavar roupa. No entanto ela somente pode ter
em estoque no máximo cinco unidades. Então se no final
do dia a loja tem no estoque somente uma unidade ou
nenhuma, o gerente manda buscar tantas unidades
quantas forem necessárias para ter cinco na loja no dia
seguinte antes de iniciar o expediente. Vamos chamar de
a quantidade de unidades na loja no final do n-ésimo dia.
Elas podem ser consideradas variáveis aleatórias (v.a.),
pois é razoável supor que não temos como prever a
quantidade de máquinas de lavar que serão compradas a
cada dia. 12
Pode definir-se um Processo Estocástico como um conjunto de
variáveis aleatórias indexadas a uma variável (geralmente a
variável tempo), sendo representado por {X(t), t ϵ T}.
Estabelecendo o paralelismo com o caso determinístico, onde
uma função f(t) toma valores bem definidos ao longo do tempo,
um processo estocástico toma valores aleatórios ao longo do
tempo.
Aos valores que X(t) pode assumir ao longo do tempo,
chamam-se “estados” e ao seu conjunto X “espaço de
estados”.
Um processo estocástico – estado
14
A cada ponto t do conjunto T observa-se uma medida ou
variável aleatória Xt.
Se o ponto amostral for indicado por “s”:
Xt (s) para t T.
Tal função de t é chamada de processo estocástico ou
aleatório.
Uma única função Xt, que corresponde a um único ponto
amostral “s" é chamada de realização do processo
estocástico. 15
O conjunto de valores que Xt pode assumir é chamada de
Espaço de Estados, e os valores específicos de Xt em dado
momento são os Estados do Processo.
Se Xt representa alguma contagem: Espaço de Estados
poderia ser uma sequência finita ou infinita de inteiros.
Processo de Estado Discreto ou Cadeia Aleatória.
Se Xt representa uma medida: Espaço de Estados poderia
ser um intervalo de números reais.
Processo de Estado Contínuo.
16
Classificação
Em relação ao Tempo
1. Para “s” fixo em sk, o sinal X[n, sk] possível de ser associado é
chamado de realização do processo aleatório.
70
60
Quantidade
50
40
30
20
10
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
Semana
24
b) Processos definidos em Tempo Continuo que
tomam Estados (Valores) Discretos
b) Processos definidos em Tempo Continuo que
tomam Estados (Valores) Discretos
b) Processos definidos em Tempo Continuo que
tomam Estados (Valores) Discretos
30
25
20
Chamada
15
10
s
0
0 1 2 3 4 5 6
-5
Tempo
c) Processos definidos em Tempo Discreto que
tomam Estados (Valores) Continuos
c) Processos definidos em Tempo Discreto que
tomam Estados (Valores) Continuos
c) Processos definidos em Tempo Discreto que
tomam Estados (Valores) Continuos
1. Para s fixo em sk, o sinal possível de ser associado é
chamado de realização do processo aleatório.
74,014
74,001
73,988
5 10 15 20 25
d) Processos definidos em Tempo Continuo que
tomam Estados (Valores) Continuos
d) Processos definidos em Tempo Continuo que
tomam Estados (Valores) Continuos
d) Processos definidos em Tempo Continuo que
tomam Estados (Valores) Continuos
43
Sequências de variáveis aleatórias independentes com
distribuições idênticas como resultante de repetições
independentes da mesma experiência aleatória, onde a cada
realização um valor ou medida é associado.
Exemplo: equipamento eletrônico tem um capacitor que é
reposto toda vez que ele falha.
Tempo de vida X: X1, X2,...
Cada valor será positivo: processo de Renovação
44
Modelam as alterações em uma “população”.
Estado do processo no instante t (Xt) representa o tamanho
da população no instante t.
Exemplos: pacotes presentes em uma rede local, fila com
servidor único.
Assume-se que “nascimentos” e/ou “mortes” múltiplos
ocorrem ao mesmo tempo com probabilidade zero.
As transições ocorrem apenas entre estados vizinhos.
45
1 nascimento 1 nascimento
K-1 K K+1
1 morte 1 morte
46
k: taxa de mortes quando a população é k.
k: taxa de nascimentos quando a população é k.
0=0: não há mortes quando a população é zero.
0≥ 0: podem ocorrer nascimentos quando a população é zero.
k Pk = k-1 Pk-1
P
k 0
k 1,0
47
Processo de nascimento puro pois a taxa de nascimento é
constante: .
Pk(t) = [(t) k e - t]/k! Para k≥0 e t≥0.
Probabilidade de haver k nascimentos no intervalo (0,t).
Número médio de nascimentos no intervalo (0,t) = t.
Processo de Parâmetros Contínuos e Estados Discretos.
48
Evento: “nenhuma chegada nos primeiros t minutos”
( t) 0 e t
Po (t) e t
0!
Equivalente à “primeira chegada após o tempo t”.
Seja t uma variável aleatória que represente o tempo de 0
até a 1ª chegada:
P(T > t) = e- t P(T ≤ t) = 1 - e- t = F(T)
f(T) = F(T)/t = e- t
T tem distribuição exponencial: E(T)=1/ V(T)=1/2
49
Processos “sem memória”: 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] ≥0et≥0
Se Pij independe do tempo então o processo de Markov é dito
ESTACIONÁRIO ou homogêneo.
50
Parâmetros Estados
Discretos Contínuos
Discretos Cadeias de Markov Processos de Markov
com tempo discreto com tempo discreto
Contínuos Cadeias de Markov Processos de Markov
com tempo contínuo com tempo contínuo
51
Processo de Markov de parâmetros contínuos 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 são possíveis em qualquer intervalo de
tempo;
A probabilidade de mais do que uma troca durante um
intervalo infinitesimal de tempo é desprezível.
52
O conjunto P(Xn|Xn-1) para n = 1, 2, ... constitui as
probabilidades de transição de um passo: probabilidades
iniciais.
Matriz N+1 por N+1 de elementos pij que satisfaz:
pij ≥ 0 ij = 0, 1, 2, ..., N pij = 1 para j=1,...,n e i.
p0 0 p01 ... p0 N
p10 p11 ... p1N
P pij ... ... ... ...
p N0 p N1 ... p NN 53