Documentos de Académico
Documentos de Profesional
Documentos de Cultura
● Motivacion
● Definición del proceso de Markov
● Probabilidades de transición de n pasos
● Clasificación de estados
3 4
Motivación: Protein Kinase A cyclic nucleotide binding domain Markov state model Ion-exchange stochastic process: las reglas del juego
Ion-exchange stochastic process: las reglas del juego Ion-exchange stochastic process
● Tiempo discreto
● Llegada de iones:
● Partida de iones: “Tiempo de permanencia del ion en el canal”
Si observas el proceso y te preguntas:
1. ¿Cual es la probabilidad de ver salir un ion el primer intervalo de tiempo? A) 1 B) 0
2. Si el canal de iones estará lleno después de cierto tiempo? A) 2 B) 20 ions
3. ¿Qué variable captura la información del proceso? Pasado → estado → Futuro
7 8
Ejemplo Cadenas de Markov de estado finito de tiempo discreto
Las ingreso de iones al canal transportador para migar ● Xn : estado después de las n transiciones
○ Pertenece a un conjunto finito.
● Tiempo discreto ○ Estado inicial Xo dado o aleatorio.
● Ingreso de iones al canal: Bernoulli (p) ○ Probabilidades de transición:
● Tiempos de permanencia del ion en el canal: geométrico (q)
● "Estado" Xn: número de iones en el canal en el tiempo n
● Propiedad/suposición de Markov:
○ “dado el estado actual, el pasado no importa”
0 1 2 3 ... 19 20
● Especificación del modelo: identificar estados, transiciones y probabilidades de transición
9 10
● recursión clave:
n=0 n=1 n=2 n=99 n=100
r11(n)
r12(n)
● Estado inicial aleatorio: r21(n)
r22(n)
11 12
Problema Problema
13 14
15 16
Estados recurrentes y transitorios Estados recurrentes y transitorios
● El estado i es recurrente si: “a partir de i (y a donde se pueda ir) hay una ● El estado i es recurrente si: “a partir de i, y desde donde se pueda ir, hay una forma de
volver a i”
forma de volver a i”
● Si no es recurrente, se llama transitorio
● Si no es recurrente, se llama transitoria. ● Clase recurrente: una colección de estados recurrentes que solo se comunican entre sí
● El estado i es transitorio si: P( Xn = i ) → 0,
○ i es visitado un número finito de steps
17 18
● El estado i es recurrente si: “a partir de i, y desde donde se pueda ir, hay una forma de ● Tiempo discreto, espacio de estado discreto, tiempo homogéneo.
volver a i” ○ Probabilidades de transición
● Si no es recurrente, se llama transitorio
● Clase recurrente: una colección de estados recurrentes que solo se comunican entre sí ○ Propiedad de Markov
● rij (n) =
● La regal recursiva:
rij (n) =
19 20
Calculando las probabilidades de trayectorias 2.- Comportamiento en estados
● P( X4 = 7 | X0 = 2) =
21 22
● Un estado es periódico si se puede volver al estado sólo en múltiplos de ● Las cadenas irreducibles son cadenas en las que es posible pasar de
un número entero mayor que 1. cualquier estado a cualquier otro estado. No importa si ese camino
● El comportamiento periódico complica el estudio del comportamiento puede tomar mucho tiempo, solo importa que es posible.
límite de la cadena. ● Una cadena es irreducible implica que todos los estados de la cadena
● Los estados en una clase recurrente son periódicos si se pueden agrupar son recurrentes.
en d > 1 grupos para que todas las transiciones de un grupo lleven al ● Si todos los estados están conectados de alguna manera (cadena
siguiente grupo. irreducible), entonces se tiene la garantía de volver al punto de partida
en algún momento (estados recurrentes).
● Sin embargo, lo contrario no es cierto, si los estados son recurrentes no
implica que la cadena sea irreductible.
23 24
Estados periódicos en una clase recurrente Estados periódicos en una clase recurrente
25 26
Estados periódicos en una clase recurrente y cadenas irreducibles Estados periódicos en una clase recurrente y cadenas irreducibles
27 28
Probabilidades de estado estable Ejemplo
○ Condición adicional:
29 30
● Ecuaciones de balance ● Cadena de Markov con una sola clase de estados recurrentes, aperiódico; y
algunos estados transitorios:
● P ( X100 = 1 , X101 = 2 | X0 = 1) =
● P ( X100 = 1 , X200 = 1 | X0 = 1) =
33 34
Matrix
35 36
Probabilidades de absorción Número esperado de steps o transiciones para la absorción
● Estado absorbente es un estado donde no se puede escapar ● El número esperado de transiciones μi hasta alcanzar 4, dado que
○ estado recurrente k con pkk = 1 comenzó en i es
● Solución única de ai =
● Solución única de μi =
37 38
Tiempo promedio del primer step y primer regreso o recurrencia a un estado Ejemplo
39 40