Pronostico del Clima – Cadena Markov

(4.1) ​Pronóstico del clima:

Suponga que la posibilidad que llueva mañana depende de las condiciones

del estado del clima de hoy. No importa las condiciones de los días
anteriores, solo del estado del clima de hoy.

Suponga también que si llueve hoy, entonces lloverá mañana con una
probabilidad α, y si no llueve hoy, entonces lloverá mañana con una
probabilidad β.

Si se dice que el proceso esta en estado cero cuando llueve y en estado 1

cuando no llueve, entonces el problema se puede realizar con una cadena de
Markov de dos estados cuyas probabilidades de transición se encuentran
dadas por:

p=\begin{pmatrix} \alpha & 1-\alpha\\ \beta & 1-\beta

\end{pmatrix}

p​=(

β
 ​

1−​α

1−​β
​

)
(4.8) ​Pronóstico del clima:

Considere ahora que α = 0.7 y β = 0.4.

Calcule la probabilidad que lloverá en cuatro días a partir de hoy, dado que
está lloviendo hoy.

Probabilidad de un paso: solo un día, de hoy a mañana es p

p=\begin{pmatrix} 0.7 & 0.3\\ 0.4 & 0.6 \end{pmatrix}

p​=(

0.7

0.4
​

0.3
 0.6
​

Solución

Transiciones:

Probabilidad en dos dias, pasado mañana: p​2

p^{(2)}=\begin{pmatrix} 0.7 & 0.3\\ 0.4 & 0.6 \end{pmatrix} .

\begin{pmatrix} 0.7 & 0.3\\ 0.4 & 0.6 \end{pmatrix}

(2)

=(

0.7

0.4

​
0.3

0.6

).(

0.7

0.4

0.3

0.6

)
 = \begin{pmatrix} (0.7)(0.7)+(0.3)(0.4) &
(0.7)(0.3)+(0.3)(0.6)\\ (0.4)(0.7)+(0.6)(0.4) &
(0.4)(0.3)+(0.6)(0.6) \end{pmatrix}

=(

(0.7)(0.7)+(0.3)(0.4)

(0.4)(0.7)+(0.6)(0.4)
​

(0.7)(0.3)+(0.3)(0.6)

(0.4)(0.3)+(0.6)(0.6)
​

= \begin{pmatrix} 0.61 & 0.39\\ 0.52 & 0.48\end{pmatrix}

=(

0.61

0.52

0.39
 0.48

Probabilidad en tres dias: p​3

Probabilidades en cuatro dias: p​4

p^{(4)} = p^{(2)} p^{(2)}

(4)

=​p

(2)

(2)
 p^{(4)}= \begin{pmatrix} 0.61 & 0.39\\ 0.52 & 0.48
\end{pmatrix}.\begin{pmatrix} 0.61 & 0.39\\ 0.52 & 0.48
\end{pmatrix}

(4)

=(

0.61

0.52
​

0.39

0.48
​

).(

0.61

0.52
​

0.39

0.48
​

)
 = \begin{pmatrix} 0.5749 & 0.4251\\ 0.5668 & 0.4332
\end{pmatrix}

=(

0.5749

0.5668
​

0.4251

0.4332
​

)
Probabilidad que este lloverá en cuatro días, dado que está lloviendo hoy:
p​(4)00​= 0.5749

El cálculo de la matriz elevado a la potencia n se puede resolver con la

instrucción de numpy:

np.linalg.matrix_power(p,n)

import numpy as np
p=np.array([
[0.7,0.3],
[0.4,0.6]
])
n=4
pn=np.linalg.matrix_power(p,n)
print(pn)
[[ 0.5749 0.4251]
[ 0.5668 0.4332]]

Obteniendo nuevamente el resultado p​(4)00​= 0.5749

(4.20) Las probabilidades al límite o a largo plazo se pueden encontrar

escribiendo las ecuaciones para cada π​i​ a partir de la matriz de transición p:

p=\begin{pmatrix} \alpha & 1-\alpha \\ \beta & 1-\beta

\end{pmatrix}

​ (
p=

β
​

1−​α

1−​β
​

\pi_0 = \alpha \pi_0 + \beta \pi_1

0
 ​

=​απ

0
​

+​βπ

1
​

\pi_1 = (1 - \alpha)\pi_0 + (1 - \beta )\pi_1

1
​

=(1−​α)​ ​π

0
​

+(1−​β)​ ​π

1
​

\pi_0 + \pi_1 = 1

0
​

+​π

1
 ​

=1

resolviendo con las ecuaciones numeradas como (1), (2) y (3):

usando ecuación (1)

(1-\alpha)\pi_0= \beta \pi_1

(1−​α​)​π

0
​

=​βπ

1
​

\pi_0=\frac{\beta}{1-\alpha} \pi_1

0
​

1−​α

β
​

1
 ​

usando ecuación (3)

\frac{\beta}{1-\alpha} \pi_1 + \pi_1 =1

1−​α

β
​

1
​

+​π

1
​

=1

\frac{\beta+(1-\alpha)}{1-\alpha} \pi_1 = 1

1−​α

β​+(1−​α​)
​

1
​

=1

\pi_1=\frac{1-\alpha}{1+\beta-\alpha}
 π

1
​

1+​β​−​α

1−​α
​

usando la ecuacion (2)

\pi_0=\frac{\beta}{(1-\alpha)}
\frac{1-\alpha}{(1+\beta-\alpha)}

0
​

(1−​α​)

β
​

​ ​α​)
(1+​β−

1−​α
​

\pi_0=\frac{\beta}{1+\beta-\alpha}
 π

0
​

​ ​α
1+​β−

β
​

Si α = 0.7 y β = 0.4 como se usaba en el ejemplo anterior, la probabilidad a

largo plazo que llueva será:

π​0​ = 4/7 = 0.571

resultado que también se obtiene en la columna 0 llevando la matriz p​(n)​ a un

tiempo n muy grande como en el ejemplo:

import numpy as np
p=np.array([
[0.7,0.3],
[0.4,0.6]
])
n=50
pn=np.linalg.matrix_power(p,n)
print(pn)

[[ 0.57142857 0.42857143]
[ 0.57142857 0.42857143]]

Referencia​: Ross p.192,196-197, 216

Resumen:​ Edison Del Rosario. edelros@espol.edu.ec.
http://blog.espol.edu.ec/edelros/