Escolar Documentos
Profissional Documentos
Cultura Documentos
c
11
c
12
c
13
c
21
c
22
c
23
c
31
c
32
c
33
Cada elemento da matriz e a probabilidade do estado mudar para o novo estado. Para
que que mais claro vamos visualizar o elemento c
23
, vemos que ele e a probabilidade do
estado 3 mudar para o estado 2.
4
Se A[c
i)
] e uma matriz de transicao de uma cadeia de markov de qualquer k estados,
ent ao para cada j devemos ter:
c
1)
+ c
2)
+ c
3)
... + c
I)
= 1
A matriz com essa propriedade e conhecida como matriz estocastica, matriz de probabil-
idade ou matriz de markov. A matriz de transicao de uma cadeia de markov e uma matriz
estocastica, portanto. em qualquer matriz de markov vericamos essa propriedade.
O vetor coluna X, cujo i-esimo componente r
i
e a probabilidade do sistema estar naquela
observacao, no i-esimo estado e tambem conhecido como vetor-estado[2]
1.2 Vetor-Estado na n-esima observa cao
Teorema 1.1. Se A e uma matriz de transicao de uma cadeia de markov e r
(a)
e o vetor-
estado na n-esima observa cao ent ao:
r
(a+1)
= r
(a)
Esse teorema desenvolve-se de forma que r
(a)
=
(a)
r
(0)
, assim podemos encontrar r
(a)
usando apenas a matriz de transicao e r
(c)
.
1.3 Comportamento Limite dos Vetores - Estado
Vimos anteriormente que conforme o n umero de observacoes aumenta, os vetores estado
convergem para um vetor xo, contudo isso nem sempre acontece. Vejamos um exemplo:
Sejam;
=
[
0 1
1 0
]
. e r
(0)
=
[
1
0
]
r
(a)
=
(a)
r
(0)
, r
(2)
=
[
0 1
1 0
]
2
[
1
0
]
=
[
1
0
]
, r
(3)
=
[
0 1
1 0
]
3
[
1
0
]
=
[
0
1
]
Vemos que
2
= 1 e
3
= tal que o sistema oscila entre dois vetores-estado:
r
(0)
= r
(2)
= r
(4)
... =
[
1
0
]
, r
(1)
= r
(3)
= r
(5)
... =
[
0
1
]
de modo que o sistema nao converge a nenhum vetor xo
5
1.4 Cadeia de Markov Regular
Para que uma matriz converga a um vetor-estado xo e precisso que qualquer potencia
positiva da matriz tenha as entradas positivas.
Uma cadeia de markov que obedeca a esse padr ao e chamada cadeia de markov regular.
Teorema 1.2. Comportamento de
a
quando : se e uma matriz de transi cao
regular ent ao:
A
n
=
1
1
. . .
1
2
2
. . .
2
.
.
. . . .
.
.
.
.
.
.
I
I
. . .
I
Quando : onde os
1
s ao numeros positivos tais que
1
+
2
+ ...
I
= 1
Vamos atribuir A como uma matriz de transicao com todas as colunas iguais ao vetor q.
A =
1
1
. . .
1
2
2
. . .
2
.
.
. . . .
.
.
.
.
.
.
I
I
. . .
I
q =
2
.
.
.
1
1
. . .
1
2
2
. . .
2
.
.
. . . .
.
.
.
.
.
.
I
I
. . .
I
r
1
r
2
.
.
.
r
I
= (r
1
+ r
2
+ ... + r
I
)
2
.
.
.
=q
6
Teorema 1.3. Comportamento de
a
r quando : se A e uma matriz de transi cao
regular e x e um vetor de probabilidade ent ao,
2
.
.
.
=q
Quando : onde q e um vetor probabilidade xo independente d n, cujas entradas
s ao positivos.
Para uma cadeia de markov regular o sistema sempre acaba convergindo para um vetor-
estado q xo, o vetor q e chamado vetor estado est acionario da cadeia de markov regular[2]
Outro meio de averiguar se a matriz e regular e por uma propriedade da determinante.
Se a matriz A e regular o seu determinante e o inverso do determinante da sua inversa:
det(A) =
1
oc|(
1
)
Se isso for verdade a matriz A e regular.
Para calcular o vetor est acionario da cadeia de markov geralmente calcula-se
a
r para
um n muito grande.
Teorema 1.4. Vetor de Estado Estacionario
O vetor de estado est acionario q de uma matriz de transicao regular A e o unico vetor
de probabilidade que satisfaz a equacao Aq=q
O teorema 2.4 tambem pode ser expresso da forma (I-P)p=0. Utilizamos essa equa cao
reescrita do teorema 2.4 para encontrar o vetor de estado est acionario.
7
2 Exerccios
2.1 Subsessao 1.5 - Exercicio 2, Pagina 27 [1]
In[86]:= MatrixForm
Out[86]//MatrixForm=
1
2
1
5
3
10
3
10
7
10
2
5
1
5
2
5
3
5
Encontramos a forma escalonada do sistema:
In[87]:= RowReduce
Out[87]= 1, 0, 1, 0, 1, 1, 0, 0, 0
In[88]:= MatrixForm
Out[88]//MatrixForm=
1 0 1
0 1 1
0 0 0
Verica-se que q3 = q1 = q2, atribuimos q3 = s, assim qualquer solu cao do sistema e da
forma:
q = s
1
1
1
9
Para encontrar o vetor probabilidade fazemos:
s 1 1 1 1;
Assim:
s q
1
3
,
1
3
,
1
3
Obtemos:
q = s
1,3
1,3
1,3
Conclumos que a longo prazo sao de 1/3 portanto se o time nao melhorar nem piorar as
chances de vitoria ou derrota ou empate sao as mesmas.
10
2.2 Subsessao 1.5 - Exercicio 3, Pagina 27 [1]
Numa pesquisa procura-se estabelecer uma correlacao entre os nveis de escolaridade de pais
e lhos. Estabelecendo as letras P para os que concluiram o curso primario, S para o curso
secundario e U para o curso universitario, a probabilidade de um lho pertencer a um desses
grupos, dependendo do grupo em que o pai est a e dada pela matriz:
Qual a probabilidade de um neto de um indivduo que realializou o curso secundario ser
um universitario ?
Resolu cao:
Primeiramente montamos a matriz.
In[1]:= l1 2 3, 1 3, 0;
In[2]:= l2 1 3, 1 3, 1 3;
In[3]:= l3 0, 1 3, 2 3;
In[4]:= m l1, l2, l3;
In[5]:= MatrixFormm
Out[5]//MatrixForm=
2
3
1
3
0
1
3
1
3
1
3
0
1
3
2
3
11
Denotamos x0 para o vetor estado inicial da matriz, calculamos o vetor no estado 1 e
depois no 2 e assim obtemos as probabilidades para a segunda e terceira geracao.
In[24]:= x0 0, 1, 0;
In[25]:= x1 m.x0
Out[25]=
1
3
,
1
3
,
1
3
In[27]:= x2 m.x1
Out[27]=
1
3
,
1
3
,
1
3
12
7
,
8
7
,
12
7
,
8
7
,
5
7
,
8
7
,
9
7
,
20
7
,
9
7
,
3
7
,
16
7
,
3
7
,
12
7
,
10
7
,
16
7
,
18
7
,
12
7
,
3
7
,
12
7
,
8
7
,
9
7
,
8
7
,
5
7
,
20
7
,
12
7
,
8
7
,
9
7
,
6
7
,
4
7
,
6
7
,
4
7
,
15
7
,
4
7
,
6
7
,
4
7
,
6
7
,
9
7
,
8
7
,
12
7
,
20
7
,
5
7
,
8
7
,
9
7
,
8
7
,
12
7
,
3
7
,
12
7
,
18
7
,
16
7
,
10
7
,
12
7
,
3
7
,
16
7
,
3
7
,
9
7
,
20
7
,
9
7
,
8
7
,
5
7
,
8
7
,
12
7
,
8
7
,
12
7
,
18
7
,
12
7
,
3
7
,
12
7
,
10
7
,
16
7
,
3
7
,
16
7
,
3
7
In[27]:= MatrixForm
Out[27]//MatrixForm=
3
7
16
7
3
7
16
7
10
7
12
7
3
7
12
7
18
7
12
7
8
7
12
7
8
7
5
7
8
7
9
7
20
7
9
7
3
7
16
7
3
7
12
7
10
7
16
7
18
7
12
7
3
7
12
7
8
7
9
7
8
7
5
7
20
7
12
7
8
7
9
7
6
7
4
7
6
7
4
7
15
7
4
7
6
7
4
7
6
7
9
7
8
7
12
7
20
7
5
7
8
7
9
7
8
7
12
7
3
7
12
7
18
7
16
7
10
7
12
7
3
7
16
7
3
7
9
7
20
7
9
7
8
7
5
7
8
7
12
7
8
7
12
7
18
7
12
7
3
7
12
7
10
7
16
7
3
7
16
7
3
7
In[31]:= Detm
Out[31]=
7
103 680
In[32]:= Detx
Out[32]=
103 680
7
In[33]:= 1
Out[33]=
7
103 680
Mostramos portanto que a matriz e regular.
15
(b) Para determinar o vetor de estado estacionario da matriz primeiramente montamos a
matriz identidade, pelo fato da matriz ser 9x9 vamos utilizar um recurso que monta a matriz
identidade.
In[13]:= ID IdentityMatrix9
Out[13]= 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0,
0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0,
0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1
In[14]:= MatrixForm
Out[14]//MatrixForm=
1 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0
0 0 0 0 1 0 0 0 0
0 0 0 0 0 1 0 0 0
0 0 0 0 0 0 1 0 0
0 0 0 0 0 0 0 1 0
0 0 0 0 0 0 0 0 1
calculamos ent ao o vetor de estado estacionario.
16
In[15]:= ID m
Out[15]=
2
3
,
1
3
, 0,
1
3
, 0, 0, 0, 0, 0,
1
4
,
3
4
,
1
4
, 0,
1
4
, 0, 0, 0, 0,
0,
1
3
,
2
3
, 0, 0,
1
3
, 0, 0, 0,
1
4
, 0, 0,
3
4
,
1
4
, 0,
1
4
, 0, 0,
0,
1
5
, 0,
1
5
,
4
5
,
1
5
, 0,
1
5
, 0, 0, 0,
1
4
, 0,
1
4
,
3
4
, 0, 0,
1
4
,
0, 0, 0,
1
3
, 0, 0,
2
3
,
1
3
, 0, 0, 0, 0, 0,
1
4
, 0,
1
4
,
3
4
,
1
4
, 0, 0, 0, 0, 0,
1
3
, 0,
1
3
,
2
3
In[16]:= MatrixForm
Out[16]//MatrixForm=
2
3
1
3
0
1
3
0 0 0 0 0
1
4
3
4
1
4
0
1
4
0 0 0 0
0
1
3
2
3
0 0
1
3
0 0 0
1
4
0 0
3
4
1
4
0
1
4
0 0
0
1
5
0
1
5
4
5
1
5
0
1
5
0
0 0
1
4
0
1
4
3
4
0 0
1
4
0 0 0
1
3
0 0
2
3
1
3
0
0 0 0 0
1
4
0
1
4
3
4
1
4
0 0 0 0 0
1
3
0
1
3
2
3
In[17]:= RowReduce
Out[17]= 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 1,
0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 1,
0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0
In[18]:= MatrixForm
Out[18]//MatrixForm=
1 0 0 0 0 0 0 0 1
0 1 0 0 0 0 0 0 1
0 0 1 0 0 0 0 0 1
0 0 0 1 0 0 0 0 1
0 0 0 0 1 0 0 0 1
0 0 0 0 0 1 0 0 1
0 0 0 0 0 0 1 0 1
0 0 0 0 0 0 0 1 1
0 0 0 0 0 0 0 0 0
In[19]:= q 1, 1, 1, 1, 1, 1, 1, 1, 1;
In[20]:= s 1 1 1 1 1 1 1 1 1 1;
In[21]:= s q
Out[21]=
1
9
,
1
9
,
1
9
,
1
9
,
1
9
,
1
9
,
1
9
,
1
9
,
1
9
In[22]:= q1 q2 q3 q4 q5 q6 q7 q8 q9;
A longo prazo a chance dele estar em qualquer um dos compartimentos e de
1
9
.
17
Referencias
[1] Boldrini,Jose. Costa,Sueli. Figueredo,Vera. Wetzler,Henry., Algebra Linear Habra, 3th
ed.
[2] Anton, Haward. Rorres,Chris. Algebra Linear com Aplicacoes Bookman, 8th ed.
[3] Bueno, Fabrcio Cadeias de Markov Praticas e Aplicacoes
18