Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ecuaciones de Chapman-Kolmogorov. Habamos dicho que Pij(n) es la probabilidad condicional de que la variable aleatoria X, comenzando en el estado i se encuentre en el estado j despus de n pasos
Clase # 2
Ecuaciones de Chapman-Kolmogorov
2-1
Las ecuaciones de Chapman-Kolmogorov proporcionan un mtodo para calcular estas probabilidades de transicin de n pasos
2-2
Pij(n) =
entonces Al ir del estado i al estado j en n pasos el proceso estar en algn estado k despus de exactamente m pasos. Es slo la probabilidad condicional de que, si se comienza en el estado i el proceso vaya al estado k despus de m pasos y despus al estado j en n-m pasos.
2-3
Pij(n+m) =
k=0
P {X n+m = j , Xn = k / X0 = i}
2-4
Pij(n+m) =
k=0
P {Xn+m = j , Xn = k / X0 = i}
k=0
P {Xn+m = j / Xn = k , X0 = i} * P {Xn = k / X0 = i}
No influye por ser Markoviano el proceso
Sabemos que
P (AB) = P(A/B) * P(B) P (AB /C) = P(A/B /C) * P(B /C) P ((AB)/C) = P(A/(B C)) * P(B/C)
k=0 M
P {Xn+m = j / Xn = k} * P {Xn = k / X0 = i}
M
Sigue
2-5
k=0
k=0
2-6
Si hacemos
P (n)
p00 ( n ) = p (n) M0
para n=0,1,.....
M
(n) pMM p0 M
(n)
Para m=n=1
P(n+m)
P(n) P(m)
2-7 2-8
La matriz de probabilidades de transicin de n pasos se puede obtener calculando la n-sima potencia de la matriz de transicin de un paso
0 Pij 1 Es decir
j=0
Pij = 1
Cuando n no es muy grande la matriz de transicin de n pasos se puede calcular fcilmente, pero si n es muy grande los clculos resultan tediosos y los errores de redondeo pueden causar inexactitudes
2-9
2-10
Ejemplo Para el problema de inventarios donde la matriz de transicin de un paso estaba dada por:
0.286 0.300 0.165 0.252 0.233 0.233 0.319 0.233 0.097 0.286 0.300 0.165
2-12
Ejemplo Consideremos el estado del tiempo, donde el llover maana , depende si llovi o no ayer y hoy. Estado 0 Estado 1 Estado 2 Estado 3
2-13
0.286 0.300 0.165 0.252 0.233 0.233 0.319 0.233 0.097 0.286 0.300 0.165
0.286 0.300 0.165 0.252 0.233 0.233 0.319 0.233 0.097 0.286 0.300 0.165
Llovi ayer y hoy No llovi ayer y llovi hoy Llovi ayer y no llovi hoy No llovi ni ayer ni hoy
2-14
0.286 0.261 0.164 0.285 0.268 0.166 0.283 0.263 0.171 0.286 0.261 0.164
P ( llueva maana dado que no llovi ayer y llovi hoy ) = 0.5 P ( llueva maana dado que llovi ayer y no llovi hoy ) = 0.4
P =
1 = NL 2 = LN 3 = NN
0 .7 0 .5 0 0
0 0 0 .4 0 .2
0 .3 0 .5 0 0
0 0 Hoy 0 .6 y 0 . 8 Maana
0 = LL 1 = NL 2 = LN 3 = NN
(Columnas)
2-16
Suponga que le preguntan Cul es la probabilidad de que llueva pasado maana, dado que llovi ayer y hoy ?
0 .7 0 .5 = 0 0 0 0 0 .4 0 .2 0 .3 0 .5 0 0
0 . 49 0 . 35 0 . 20 0 . 10
LL
P ( llueva pasado maana/ llovi ayer y hoy) = P ( llueva maana y pasado maana / llovi ayer y hoy) + P ( no llueva maana y llueva pasado maana/ llovi ayer y hoy) = 0.49 +0.12 = 0.61
LL
0 0 0 .6 0 .8
0 . 12 0 . 20 0 . 12 0 . 16
NL
0 .7 0 .5 0 0
0 . 21 0 . 15 0 . 20 0 . 10
LN
0 0 0 .4 0 .2
0 .3 0 .5 0 0
0 0 0 .6 0 .8
LL
P2 =
Ayer y hoy
NL LN NN
P2 =
Ayer y hoy
NL LN NN
0 . 49 0 . 35 0 . 20 0 . 10
LL
0 . 12 0 . 20 0 . 12 0 . 16
NL
0 . 21 0 . 15 0 . 20 0 . 10
LN
0 . 30 0 . 48 0 . 64
NN
2-18
Distribuciones no condicionales Las probabilidades de transicin de 1 o n pasos son probabilidades condicionales; por ejemplo Pij(n) = P {Xn = j / X0 = i} Si se desea la probabilidad incondicional P {Xn = j}
Denotemos esta distribucin por QX0(i) donde: QX0(i) = P{X0 = i} para i = 0,1,....M
r Q X 0 = {Q X 0 (1), Q X 0 ( 2),...Q X 0 ( M )}
Demostracin
r QX n = {Q Xn (1), Q Xn (2),...QXn ( M )}
2-20
Q Xn ( j ) = P { X
= j} =
P{ X
= j , X 0 = i}
=
=
P{ X
Pij
(n )
= j / X 0 = i} P { X
= i}
Q X 0 ( i ) = Q X 0 ( i ) Pij
i
(n )
En forma matricial
r r (n) Q X n = Q X n Pij
2-21
2-22
La probabilidad incondicional de que haya tres cmaras en inventario dos semanas despus de que el sistema se puso en marcha es:
Si en lugar de lo anterior la probabilidad de tener 0,1,2 o 3 cmaras de inventario inicial fuera la misma, entonces QX0(i)= 1/4 para i=0,1,2,3
P{X2 = 3} = QX0(0) P03(2) + QX0(1) P13(2) + QX0(2) P23(2) + QX0(2) P33(2) =0 *0.165+ 0*0.233 + 0*0.097 + 1*0.165 = 0.165
P{X2 = 3} = QX0(0) P03(2) + QX0(1) P13(2) + QX0(2) P23(2) + QX0(2) P33(2) = *0.165+ *0.233 + *0.097 + *0.165 = 0.165 Resultado coincidencial
2-23 2-24