Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Seminario PyE CMAT 2013 Presentacion Simulacion Cadenas Markov SCastro PDF
Seminario PyE CMAT 2013 Presentacion Simulacion Cadenas Markov SCastro PDF
Sebastian Castro
4. Implementacion en lenguaje R
4.1 Ejemplo 1: Modelo de prediccion del clima en Los Angeles
4.2 Ejemplo 2: Modelo para la secuencia de nucleotidos en la
cadena de ADN
4.3 Funcion en R para simular una cadenaSeminario
de Markov
PyE 2013 - CMAT/FCIEN/UDELAR
Repaso de notacion y definiciones
Teorema
Para una cadena de Markov (X0 , X1 , . . .) con espacio de estados
{s1 , . . . , sk }, distribucion inicial (0) y matriz de transicion P,
tenemos que la distribucion a tiempo n satisface (n) = (0) P n .
(n+1)
P(Xn+1 = sj |Xn = si ) = Pi,j
Teorema
Sea (X0 , X1 , . . .) una cadena de Markov no homogenea con espacio
de estados {s1 , . . . , sk }, distribucion inicial (0) y matrices de
transicion P (1) , P (2) , . . .. Para cada n la distribucion a tiempo n
satisface
(n) = (0) P (1) P (2) . . . P (n)
4. Implementacion en lenguaje R
4.1 Ejemplo 1: Modelo de prediccion del clima en Los Angeles
4.2 Ejemplo 2: Modelo para la secuencia de nucleotidos en la
cadena de ADN
4.3 Funcion en R para simular una cadenaSeminario
de Markov
PyE 2013 - CMAT/FCIEN/UDELAR
Introduccion
4. Implementacion en lenguaje R
4.1 Ejemplo 1: Modelo de prediccion del clima en Los Angeles
4.2 Ejemplo 2: Modelo para la secuencia de nucleotidos en la
cadena de ADN
4.3 Funcion en R para simular una cadenaSeminario
de Markov
PyE 2013 - CMAT/FCIEN/UDELAR
Simulacion de cadenas de Markov finitas
4. Implementacion en lenguaje R
4.1 Ejemplo 1: Modelo de prediccion del clima en Los Angeles
4.2 Ejemplo 2: Modelo para la secuencia de nucleotidos en la
cadena de ADN
4.3 Funcion en R para simular una cadenaSeminario
de Markov
PyE 2013 - CMAT/FCIEN/UDELAR
Funcion de iniciacion
La funcion de iniciacion : [0, 1] S es una funcion del intervalo
unitario al espacio de estados S, la cual se utiliza para generar el
valor inicial X0 .
Asumimos que:
(i) es constante por tramos,
4. Implementacion en lenguaje R
4.1 Ejemplo 1: Modelo de prediccion del clima en Los Angeles
4.2 Ejemplo 2: Modelo para la secuencia de nucleotidos en la
cadena de ADN
4.3 Funcion en R para simular una cadenaSeminario
de Markov
PyE 2013 - CMAT/FCIEN/UDELAR
Funcion de actualizacion
Para ver que esta es una funcion de actualizacion valida, notar que
para cada si , sj S tenemos
Z 1 j
X j1
X
I{(si ,x)=sj } dx = Pi,l Pi,l = Pi,j
0 l=1 l=1
4. Implementacion en lenguaje R
4.1 Ejemplo 1: Modelo de prediccion del clima en Los Angeles
4.2 Ejemplo 2: Modelo para la secuencia de nucleotidos en la
cadena de ADN
4.3 Funcion en R para simular una cadenaSeminario
de Markov
PyE 2013 - CMAT/FCIEN/UDELAR
Simulacion de cadenas de Markov no homogeneas finitas
Al finalizar el captulo, se senala como el metodo descripto
anteriormente puede ser generalizado para simular una cadena de
Markov no homogenea.
Sea (X0 , X1 , . . .) una cadena de Markov no homogenea con espacio
de estados S = {s1 , . . . , sk }, distribucion inicial (0) y matrices de
transicion P (0) , P (1) , . . ..
Podemos obtener la funcion de iniciacion y el valor inicial X0
como en el caso homogeneo. La funcion de actualizacion es
construida en forma similar al caso homogeneo, excepto que debido
a que la cadena es no homogenea, necesitamos varias funciones de
actualizacion diferentes (1) , (2) , . . ., y para estas debemos tener
Z 1
(n)
I{(n) (si ,x)=sj } dx = Pi,j ,
0
para cada n y cada si , sj S.
Seminario PyE 2013 - CMAT/FCIEN/UDELAR
Simulacion de cadenas de Markov no homogeneas finitas
(cont.)
Tales funciones pueden obtenerse por la obvia generalizacion:
(n)
s1 para x [0, Pi,1 )
h
(n) (n) (n)
s para x P , P + P
2 i,1 i,1 i,2
.
.
. .
(n) (si , x) = . hP .
j1 (n) Pj (n)
s j para x l=1 P i,l , l=1 P i,l
.. ..
. .
h
Pk1 (n) i
para x
s
k l=1 Pi,l , 1
4. Implementacion en lenguaje R
4.1 Ejemplo 1: Modelo de prediccion del clima en Los Angeles
4.2 Ejemplo 2: Modelo para la secuencia de nucleotidos en la
cadena de ADN
4.3 Funcion en R para simular una cadenaSeminario
de Markov
PyE 2013 - CMAT/FCIEN/UDELAR
Ejemplo 1: Modelo de prediccion del clima en Los Angeles
1.8
1.6
estados
1.4
1.2
1.0
0 20 40 60 80 100
tiempo
1.0
0.8
0.6
soleados
Yn
lluviosos
0.4
0.2
0.0
n = 1,..., # simulaciones
4. Implementacion en lenguaje R
4.1 Ejemplo 1: Modelo de prediccion del clima en Los Angeles
4.2 Ejemplo 2: Modelo para la secuencia de nucleotidos en la
cadena de ADN
4.3 Funcion en R para simular una cadenaSeminario
de Markov
PyE 2013 - CMAT/FCIEN/UDELAR
Ejemplo 2: Modelo para la secuencia de nucleotidos en la
cadena de ADN
Se considera una cadena de Markov como modelo para la sucesion
de nucleotidos en el ADN. El espacio de estados es entonces
E = {A, C, G, T} (A = adenina, C = citosina, G = guanina, T =
timina), y a modo de ejemplo se utiliza la matriz de transicion
entre estados
0 2 0 25 0 4 0 15
0 1 0 6 0 1 0 2
P= 0 2 0 1 0 35 0 35
0 1 0 45 0 2 0 25
Utilizando una distribucion inicial uniforme, se simulan n = 1000
observaciones de esta cadena, como en el ejemplo anterior, a
traves de la funcion rMarkov implementada en R:
X <- rMarkov(P, 1000)
Seminario PyE 2013 - CMAT/FCIEN/UDELAR
Frecuencia relativa de visitas a cada estado
0.5
0.4
0.3
0.2
0.1
0.0
A C G T
0 11 0 48 0 17 0 23
0 2 0 25 0 4 0 15
0 1 0 6 0 1 0 2
P=
0 2 0 1 0 35 0 35
0 1 0 45 0 2 0 25
4. Implementacion en lenguaje R
4.1 Ejemplo 1: Modelo de prediccion del clima en Los Angeles
4.2 Ejemplo 2: Modelo para la secuencia de nucleotidos en la
cadena de ADN
4.3 Funcion en R para simular una cadenaSeminario
de Markov
PyE 2013 - CMAT/FCIEN/UDELAR
Funcion en R para simular una cadena de Markov
# funcion de iniciacion:
func.inic <- cumsum(mu0)
# funciones de actualizacion:
func.act <- t(apply(P, 1, cumsum))