Exercícios de revisão para P2 - GABARITO

1) Em um certo supermercado os tempos que os clientes esperam entre ficar na fila e fazer o pagamento é dado pela
estatística abaixo:

Tempo na fila + caixa (em min) Probabilidade Probabilidade acumulada

TS (%)
2 5 0 < X ≤ 0,05
4 20 0,05 < X ≤ 0,25
6 15 0,25 < X ≤ 0,40
8 30 0,40 < X ≤ 0,70
10 20 0,70 < X ≤ 0,90
12 10 0,90 < X ≤ 1

Usando o gerador aleatório Mid Square faça uma simulação de Monte Carlo com 10 clientes.

4 dígitos ui (entre
Cliente Xi Xi 2 TS (min)
centrais 0 e 1)
1 7137 50936769 9367 0,9367 12
2 9367 87740689 7406 0,7406 10
3 7406 54848836 8488 0,8488 10
4 8488 72046144 461 0,0461 2
5 461 212521 2125 0,2125 4
6 2125 4515625 5156 0,5156 8
7 5156 26584336 5843 0,5843 8
8 5843 34140649 1406 0,1406 4
9 1406 1976836 9768 0,9768 12
10 9768 95413824 4138 0,4138 8

- Calcule o tempo médio que os clientes ficam no sistema. TSmédio = 7,8 min
2) Resolva o problema anterior considerando agora o gerador do método congruente linear (xi = (a*xi-1 +b)modm,
com a = 9, b = 4, m = 100 e x0 = 13.

a b m x0
9 4 100 13

xi =
Cliente Ri=Xi/m TS (min)
(a*xi+b)modm

0 13
1 21 0,21 4
2 93 0,93 12
3 41 0,41 8
4 73 0,73 10
5 61 0,61 8
6 53 0,53 8
7 81 0,81 10
8 33 0,33 6
9 1 0,01 2
10 13 0,13 4

- Calcule o tempo médio que os clientes ficam no sistema. TSmédio = 7,2 min

3) Seja P uma matriz de transição para os estados 1, 2 e 3 dada por:

0.3 0.0 0.7

𝑃 = [0.2 0.7 0.1]
0.3 0.3 0.4

a) Obtenha P2, P8, P10 e P20

b) Considerando que o estado inicial é X = (1,0,0). Determine a probabilidade do sistema estar no estado 2
após 2 transições.
c) Considerando que o estado inicial é X = (1/2,0,1/2). Determine a probabilidade do sistema estar no estado 1
após 4 transições.

> Solução:

> P=matrix(c(0.3,0,0.7,

+ 0.2,0.7,0.1,

+ 0.3,0.3,0.4), nrow=3, byrow=TRUE)

>

>P

[,1] [,2] [,3]

[1,] 0.3 0.0 0.7

[2,] 0.2 0.7 0.1

[3,] 0.3 0.3 0.4

>

> #a)

> P2=P%*%p

Erro: objeto 'p' não encontrado

> P2=P%*%P

> P2

[,1] [,2] [,3]

[1,] 0.30 0.21 0.49

[2,] 0.23 0.52 0.25

[3,] 0.27 0.33 0.40

>

> P4=P2%*%P2

>

> P8=P4%*%P4

> P8

[,1] [,2] [,3]

[1,] 0.2635041 0.3668127 0.3696832

[2,] 0.2628292 0.3699480 0.3672227

[3,] 0.2632393 0.3680429 0.3687178

>

> P10=P2%*%P8

> P10

[,1] [,2] [,3]

[1,] 0.2632326 0.3680739 0.3686935

[2,] 0.2630870 0.3687506 0.3681624

[3,] 0.2631755 0.3683394 0.3684851

>

> P20=P10%*%P10

> P20

[,1] [,2] [,3]

[1,] 0.2631579 0.3684209 0.3684212

[2,] 0.2631579 0.3684212 0.3684209

[3,] 0.2631579 0.3684210 0.3684211

>

> # b)

>
 > X0=c(1,0,0)

> X0

[1] 1 0 0

> X2=X0%*%P2

> X2

[,1] [,2] [,3]

[1,] 0.3 0.21 0.49

>

> # A probabilidade de estar no estado 2 é 0,21 após 2 transições

>

> # c)

>

> Y0=c(1/2,0,1/2)

> Y0

[1] 0.5 0.0 0.5

>

> Y4=Y0%*%P4

> Y4

[,1] [,2] [,3]

[1,] 0.26775 0.3471 0.38515

>

> # A probabilidade de estar no estado 1 é 0,26775 após 4 transições

3) Seja a cadeia de Markov formada pelos estados 1, 2, 3, 4, 5 e 6 e sua matriz de transição é:

0,2 0 0,8 0 0 0
0,1 0,3 0,2 0,1 0,2 0,1
0,5 0 0,5 0 0 0
𝑃=
0 0 0 0,4 0 0,6
0,2 0,2 0,2 0,2 0 0,2
[0 0 0 0,6 0 0,4 ]
a) Classifique os estados da cadeia.
b) Há classes recorrentes na cadeia? Quais são elas?
c) Obtenha a matriz P que mostra as probabilidades de transição entre os estados transitórios.
d) Obtenha a matriz B que representa as probabilidades dos estados transitórios serem absorvidos,
diretamente, pelas classes recorrentes)

e) Calcule as probabilidades de absorção dos estados transitórios para as classes recorrentes.

Solução:

a) Estados transitórios: 2 e 5
Estados recorrentes: 1, 3, 4 e 6
b) Há duas classes recorrentes: R1 = {1, 3} e R2 = {4, 6}

c)

> Pt = matrix(c(0.2,0,0.8,0,0,0,
+ 0.1,0.3,0.2,0.1,0.2,0.1,
+ 0.5,0,0.5,0,0,0,
+ 0,0,0,0.4,0,0.6,
+ 0.2,0.2,0.2,0.2,0,0.2,
+ 0,0,0,0.6,0,0.4), nrow=6,byrow=TRUE)
>
> Pt
[,1] [,2] [,3] [,4] [,5] [,6]
[1,] 0.2 0.0 0.8 0.0 0.0 0.0
[2,] 0.1 0.3 0.2 0.1 0.2 0.1
[3,] 0.5 0.0 0.5 0.0 0.0 0.0
[4,] 0.0 0.0 0.0 0.4 0.0 0.6
[5,] 0.2 0.2 0.2 0.2 0.0 0.2
[6,] 0.0 0.0 0.0 0.6 0.0 0.4
>

> P =matrix(c(0.3,0.2,0.2,0) ,nrow=2,byrow=TRUE)

>P
[,1] [,2]
[1,] 0.3 0.2
[2,] 0.2 0.0
>
#d)
>
> B=matrix(c(0.3,0.2,0.4,0.4), nrow=2,byrow=TRUE)
>B
[,1] [,2]
[1,] 0.3 0.2
[2,] 0.4 0.4

#e)

> I=matrix(c(1,0,0,1), nrow=2,byrow=TRUE)

>I
[,1] [,2]
[1,] 1 0
[2,] 0 1

> IP=I-P
> IP
[,1] [,2]
[1,] 0.7 -0.2
[2,] -0.2 1.0
>
> IPin=solve(IQ)

> IPin
[,1] [,2]
[1,] 1.5151515 0.3030303
[2,] 0.3030303 1.0606061
>
> R=IPin%*%B
>R
[,1] [,2]
[1,] 0.5757576 0.4242424
[2,] 0.5151515 0.4848485
> colnames(R) = c("R1","R2")
> rownames(R) = c(2,5)
>

>R
R1 R2
2 0.5757576 0.4242424
5 0.5151515 0.4848485

Essas são as probabilidades de absorção do estados transitórios 2 e 5

pelas classes recorrentes R1 e R2.