Escolar Documentos
Profissional Documentos
Cultura Documentos
LARC-PCS/EPUSP 2004
2 Processos de Markov
Processo de Markov: {X(t)} um processo Markoviano se P[X(tk+1)xk+1 | X(tk)=xk, X(tk-1)=xk-1, ... X(t1)=x1, X(t0)=x0] = P[X(tk+1)xk+1 | X(tk)=xk] Para todo t0 t1 tk tk+1 Cadeia de Markov: quando as variveis aleatrias {X(t)} esto definidas em um espao de estados discreto e P[X(tk+1)=xk+1 | X(tk)=xk, X(tk-1)=xk-1, ... X(t1)=x1, X(t0)=x0] = P[X(tk+1)=xk+1 | X(tk)=xk] Para todo t0 t1 tk tk+1 Cadeia de Markov em Tempo Discreto: quando as transies ocorrem em instantes 0, 1, 2, ..., k. Neste caso, P[Xk+1=xk+1 | Xk=xk, Xk-1=xk-1, ... X1=x1, X0=x0] = P[Xk+1=xk+1 | Xk=xk] Propriedade Memoryless: M1) As informaes de estados passados so irrelevantes; M2) O tempo que o processo est no estado atual irrelevante. A distribuio dos tempos entre eventos de uma cadeia de Markov tem distribuio exponencial.
Propriedade Memoryless
LARC-PCS/EPUSP 2004
Exemplo 3: O tempo em uma rea classificado como Sol, Nublado ou Chuva em um determinado dia. Xk o estado do tempo no dia k, k=1, 2, .... 0,4 0,4 Sol Nubl ado 0,3
0,2
0,2
0,4 Matriz P de probabilidade de transio: P= 0,4 0,5 0,1 0,4 0,3 0,5 0,2 0,2 0,4
3.2 Probabilidade de Estados Considerando-se os instantes k=0, 1, 2, ... , as probabilidades dos estados j = 0, 1, 2,... so definidas como
j(k) = P[Xk = j]
nos instantes k=0, 1, 2, ...
(k) = [0(k),1(k),2(k)...]
Uma cadeia de Markov em tempo discreto definida por: a) P que a matriz de probabilidades de transio e instante k.
b) (k) = [0,1,2...] que o vetor de probabilidades dos estados 0, 1, 2, ..., no (2), ..., (k) so calculados como:
LARC-PCS/EPUSP 2004
Notar que os estados podem ser infinitos. 3.3 Classificao dos Estados 1. Um estado j alcanvel de um estado i se pijn > 0 para algum n= 1,2,... 2. Um subconjunto S de estados de S fechado se pij = 0 para i S e j S. 3. Um estado i absorvente se S= { i } fechado. 4. Um conjunto fechado S irredutvel se j alcanvel a partir de i para todo i,jS. Exemplo 4: 0,5 0,5 0 0,3 4 1 0,4 1 0,3 2 0,5 1 3 0,5
Os estados 2 e 3 formam um conjunto fechado e irredutvel; o estado 4 absorvente e a cadeia redutvel. 5. Um estado i recorrente se i =1 dadas as definies a seguir: Tij min { k > 0 | X0 = i e Xk = j }
ik = P[Tii = k]
i = k i
k =1
LARC-PCS/EPUSP 2004
i = P[Tii = ]
6. Um estado transiente se i < 1. 7. Um estado peridico se, sendo d o mximo divisor comum do conjunto { n > 0: piin > 0 } ento d 2. Se d = 1 ento o estado no peridico. Exemplos 5: 0,5 1 0 1 0,5 2 0,5 0 0,5 1 0,5
1 2
estado estvel (ou de equilbrio estacionrio). Se j existe para todos os j, ento = [0, 1, ... ] o vetor de probabilidade de estados estacionrios. Quando a cadeia de Markov for irredutvel e no peridica ento o valor de resolvendo-se o sistema de equaes lineares:
obtido
= P
onde
j=0
= 1, e j 0.
LARC-PCS/EPUSP 2004
Define-se
Q( t ) = lim
pij (t, t + t ) t
t 0
Sendo a cadeia de Markov Homognea, ento Q(t) independe de t, sendo constante, isto ,
Q(t) = 0
Define-se a equao de Chapman-Kolmogorov como:
P( ) = P( )Q
Sendo eij o evento que causa a transio do estado i para o estado j e sendo que os eventos ocorrem com distribuio de Poisson com taxa ij, ento define-se a matriz Q=[qij] de taxa de transio como: qij = ij Q= qii = - (i)
onde
(i) =
ij para todo j i
Dada Q ento, 1.
pij =
qij qii
para todo i j
LARC-PCS/EPUSP 2004
2.
pii = qij
ji
Exemplo 6: a 0 1
a 2
d a e d so eventos que ocorrem com taxas e respectivamente. A matriz Q da cadeia de Markov em tempo continuo da dada por: Q= - 0 - 0 0 -
P[Xk(t)=j]
LARC-PCS/EPUSP 2004
j = lim j ( t )
t
ento
= [0, 1,...]
( t ) = ( t )Q t
se reduz a
Teorema: Em uma cadeia de Markov irredutvel e contnua no tempo, com estados recorrentes positivos, existe um nico vetor de probabilidades j > 0) de estados estacionrios e Alm disso,
j = lim j ( t ) .
t
Q=0
e
j=0
=1
4.4 Cadeia de Nascimento e Morte Cadeia de Nascimento e Morte uma cadeia de Markov em tempo contnuo na qual as transies so possveis apenas para estados vizinhos como ilustra a figura a seguir:
0 0 1
1
1 2 2
2 3
j-1 j j
j j+1 j+1
j+1
j+2
Neste caso qij = 0 para todos j > i+1 e j < i 1 e Qj,j+1 = j > 0 Qj,j-1 = j > 0 para j = 0, 1, ... para j = 1, 2, ...
para j = 1, 2, ...
0 1
Q= 0 0 . . .
0 (1+1) 2
0 . . .
1 (2+2) 3
. . .
0 0
0 0 0
2 (3+3)
. . .
3
. . .
Q=0
e
j=0
=1
0 0 + 11 = 0
0 0 ( 0 + 1 )1 + 2 2 = 0
11 ( 1 + 1 ) 2 + 3 3 = 0
...
i1 j1 ( j1 + j1 ) j + j+1 j+1 = 0
e . .
j=0
=1
k k +1
j = 0 *
k =0
n 1
k k +1
LARC-PCS/EPUSP 2004
10
5 Bibliografia
[1] Cassandras, C. G., Discrete Event Systems: Modeling and Performance Analysis, Aksen Associates Incorporated Publishers, 1993 , ISBN: 0-256-11212-6, 790p. [2] Marsan, M. A., Balbo, G., Conte, G., Donatelli, S., Franceschinis, G., Modeling with Generalized Stochastic Petri Nets, John Wiley & Sons, ISBN: 0-471-93059-8, 1995, 301p.
6 Exerccios
1) Um sistema de computao consiste de dois processadores idnticos trabalhando em paralelo. O tempo consiste de intervalos indexados por k=1, 2, 3, ... . A operao deste sistema definida pelas seguintes regras: a) Ao menos um programa pode ser submetido ao sistema em cada intervalo de tempo e este evento ocorre com probabilidade . b) Quando um programa submetido ao sistema ele atendido pelo processador disponvel. c) Se ambos processadores so disponveis, o programa atendido pelo primeiro processador. d) Se ambos processadores esto ocupados, o programa perdido. e) Quando um processador est ocupado, a probabilidade de terminar a execuo do programa em cada intervalo . f) Se um programa submetido ao processador em um intervalo em que os dois processadores esto ocupados e um dos processadores completa a execuo neste intervalo, ento o programa que chegou processado. Considerando estas regras e que o sistema est vazio no instante inicial: i. Determine a matriz P de probabilidades de transio de estado ii. Calcule o vetor de probabilidade de estado. iii. Qual a probabilidade do sistema estar vazio no terceiro intervalo? iv. Qual a probabilidade de um programa completar no terceiro intervalo? v. Qual a probabilidade do sistema permanecer vazio no primeiro e segundo intervalo? 2) Considera a cadeia de Markov em tempo contnuo e espao de estado S={0,1,2,3,4} e a seguinte matriz de taxa de transio:
0
Q= 0
2 0
(+1) 0 0 2
-1 0 0
1 0 (+2) 0
0 0
1 -2
a) Desenhe o diagrama de transio de estados. b) Determine as probabiidades de estados estacionrios, se existirem, para =1, 1=3/2 e 2=7/4.
LARC-PCS/EPUSP 2004
11
3) O tempo em uma rea classificado como Sol, Nublado ou Chuva em um determinado dia, conforme o exemplo 3. Xk o estado do tempo no dia k, k=1, 2, .... 0,4 0,4 Sol Nubl ado 0,3
0,2
0,2
0,4 Matriz P de probabilidade de transio : 1 P= 0,4 0,5 0,1 0,4 0,3 0,5 0,2 0,2 0,4
a) Assummindo que hoje o tempo est nublado, preveja o tempo nos prximos dois dias. b) Determine as probabilidades de estados estacionrios desta cadeia (se existirem). Se no existirem, explique porque. c) Se hoje est ensolarado, determine o nmero mdio de dias que temos que esperar at o prximo dia ensolarado, quando o sistema est com os estado estveis. 4) Uma empresa que possui sistema de processamentos de transaes on-line consiste da matriz e uma filial e ambas possuem um computador para processamento de transaes. Um tero de todas transaes que chegam ao computador da filial tambm exigem processamento pelo computador da matriz enquanto que as demais transaes submetidas ao computador da filial so processadas apenas por este computador. As transaes da filial so geradas segundo o processo de Poisson com taxa . O computador central realiza o processamento de outras transaes que chegam a este comutador de acordo com processo de Poisson, independente do primeiro, e com taxa . Os computadores da matriz e da filial so independentes e possuem infinitos buffers para transaes, e processam uma transao de cada vez com tempos de processamento de transaes com distribuio exponencial com taxas 1 e 2 respectivamente. Considerando =10 transaes por minuto, = 30 transaes por minuto, 1= 50 transaes por minuto, 2=15 transaes por minuto, e sendo X1(t) e X2(t) o nmero de transaes residindo no computador central e no computador da filial, respectivamente, responda:
LARC-PCS/EPUSP 2004 12
a) Desenhe o diagrama de transio de estados deste processo. b) Existem probabilidades estacionrias para este processo? Justifique. Se existirem responda s questes seguintes: c) Calcule a probabilidade do computador da filial estar ocioso. d) Calcule a probabilidade de existirem mais de trs transaes esperando para serem processadas pelo computador central. e) Calcule a probabilidade de ambos computadores possurem uma nica transao em execuo em cada um.
LARC-PCS/EPUSP 2004
13