Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diapositivas Cadenas de Markov
Diapositivas Cadenas de Markov
Espacio de estados de un
proceso:
Usaremos a1,a2,.....an
El conjunto de todos
para representar los (n)
los posibles estados
estados de un estado
que un proceso puede
ocupar en los distintos ai ------> aj para
movimientos se llama representar que el
espacio de estados. Un proceso se mueve del
espacio de estados estado (i) al estado (j).
puede ser
finito,
numerable
no numerable.
Probabilidades de transicin de
un solo paso
P(ai -----> aj) es la Ejemplo:
probabilidad condicional para Sea una persona sentada en
que el proceso que se el asiento de en medio de una
encuentra en el estado ai se fila de cinco asientos
mueva al estado aj en un slo [marcados con
paso, y se designa por Pij . A,B,C,D,E] de izquierda a
Esto recibe el nombre de derecha. Esta persona se
probabilidad de transicin de mueve por seis veces de una
un slo paso. Si todas estas silla a la otra, estando sus
probabilidades son conocidas movimientos controlados por
para todos los pares de estados una moneda que se tira al aire.
se ordenan en una matriz
cuadrada que recibe el a) Si no est al final de una
nombre de matriz de transicin. fila de asientos se mueve
hacia la derecha si sale CARA
P = [pij] y hacia la izquierda si sale
CRUZ.
b) Si est al final se quedar
donde est salga lo que
salga.
Espacio de Estados:
[ A, B, C, D, E ]
Propiedad de Markov
A 1 0 0 0 0 A 1 0 0 0 0
B 1/2 0 1/2 0 0 B 1/2 1/4 0 1/4 0
C 0 1/2 0 1/2 0 C 1/4 0 1/2 0 1/4
D 0 0 1/2 0 D 0 1/4 0 1/4
E 0 0 0 0 1 E 0 0 0 0 1
CADENAS DE MARKOV
ABSORVENTES
Estados transitorios:
Estados ergdicos:
Sea E un subconjunto
Sea T un subespacio de de S y E' el
S y T' su complementario de E
complementario. Si cada en S. Si cada estado de
estado de T se puede E se puede alcanzar
alcanzar desde otro estado desde cualquier otro
de T y es posible estado de E, pero
moverse de un estado de T ningn estado de E' se
a otro T', entonces T es un puede alcanzar desde
conjunto transitorio. Un E, entonces E recibe el
estado transitorio es un nombre de conjunto
elemento de un conjunto ergdico. Un estado
transitorio. ergdico es un
elemento de un
conjunto ergdico.
CADENAS DE MARKOV CADENAS ERGODICAS
ABSORVENTES Cadena que est formada
Son cadenas en donde por un conjunto ergdico se
todos los estados llama cadena ergdica. Se
transitorios son absorventes. distinguen dos tipos de
cadenas ergdicas:
a) Cadena ergdica cclica:
en ella slo se puede entrar
en un estado a intervalos
peridicos fijos.
b) Cadena ergdica
regular: cadena ergdica
no-cclica.
EJEMPLO
S1 S2
S1 1/2 1/2
Est claro que el sistema
S2 1/2 1/2 completo nunca estar
completamente "atrapado" en un
estado, as que la cadena es
regular.
S1 S2 S3
S1 0 3/4 1/4
S2 1/2 0 1/2
Siempre es posible moverse de
un estado a cualquier otro, en
cualquier paso siendo los S3 1/4 3/4 0
movimientos no-cclicos. As la
cadena y la matriz son regulares.
S1 S2 S3
S1 1/4 1/4
Despus de n pasos la cadena entrar
(con probabilidad 1 cuando n tiende a
S2 0 1/3 1/3 ) en S2 o en S3. Una vez situada en
uno de estos estados nunca podr pasar a
S1. Por lo tanto S1 es un estado
S3 0 1/4 1/4 transitorio y as la cadena es no regular y
por lo tanto no-ergdica, aunque el
conjunto [ S2, S3 ] sea un conjunto
ergdico.
S1 S2 S3
S1 0 0 1
La cadena se mueve con perodo
3 a travs de los conjunto
S2 1 0 0
cclicos [ S1 ] [ S2 ] y [ S3 ]. Es por
lo tanto una cadena cclica
S3 0 1 0 ergdica y no una cadena regular.
Fuentes de Markov
t1 t2 t3 t4
La fuente de Markov , o fuentes con memoria,
es aquella en que la presencia de un
determinado smbolo ai depende de un nmero
finito m de smbolos precedentes. Esta fuente
se llama fuente de Markov de orden m y viene
definida por su alfabeto
A = (a1, a2,....an)
y el conjunto de probabilidades
P( ai/aj1, aj2,....ajm)
Para i = 1,2....n y j = 1, 2....m
Esto nos indica que la probabilidad de un
smbolo cualquiera viene determinada por la
secuencia de los m smbolos que lo preceden .
Definiremos el estado de la fuente de Markov de
orden m por los m smbolos precedentes y
puesto que el alfabeto de la fuente es de n
smbolos, entonces una fuente de Markov de
orden m admite nm estados posibles. Al emitir la
fuente nuevos smbolos el estado de la fuente
cambia.
Sea una fuente de Markov de n smbolos
de alfabeto A = (a1, a2,.aj...an).
Se define la probabilidad de aparicin del
smbolo ai despues de la secuencia (aj1,
aj2,....ajm) por
P( ai/aj1, aj2,....ajm)
Como hay nm sucesiones posibles de m
smbolos y cada una de estas sucesiones
puede considerarse como un estado del
sistema.
Xi` = ai2,....aim. ai
o P( ai/ai1, ai2,....aim)
Xi = ai1, ai2,....aim
P( ai/ Xi)
Fuentes de Markow
ergdicas:
Se dice que una fuente de La condicin necesaria
Markov es ergdica, y suficiente para que
cuando siendo estacionara una fuente sea ergdica
las probabilidades de es que si Pij es la
estado tienden a matriz estocastica de la
estabilizarse y hacerse fuente y p1,p2......pn
constantes cuando t . cantidades
A esta distribucin lmite de desconocidas que
probabilidades se le representan a las
denomina rgimen probabilidades de
permanente de la fuente, o estado, se tiene que
sea que cuando una fuente cumplir que:
entra en un estado y queda
atrapado en l. Pj = Pj Pij
sea compatible y la
distribucin
Entropa de una fuente de
Markov:
Sea una fuente de Si nos encontramos en
Markov de alfabeto A = el estado definido por
(a1, a2,....an). Para Xj= (aj1, aj2,....ajm), es
hallar la informacin decir los m smbolos
media por smbolo emitidos anteriormente
procedamos de la fueron (aj1, aj2,....ajm), la
siguiente manera: probabilidad condicional
1.- Determinacin de la de recibir ai es decir
informacin absoluta de pasar al estado
por smbolo emitido en Xj= (aj2, aj3,....ajm, ai)
una transicin de es:
estado fija. P( ai/aj1, aj2,....ajm).
Utilizaremos la siguiente
notacin:
Probabilidad de aparicin del
Indudablemente la
smbolo ai despus de la probabilidad del
secuencia (aj1, aj2,...ajm): estado actual es
P(ai/aj1,aj2,..ajm).= P(ai/Xj)
probabilidad del smbolo
igual a la
emitido en estado anterior. probabilidad del
Probabilidad de la secuencia estado anterior por la
(aj1, aj2,....ajm):
probabilidad de
P( aj1, aj2,....ajm).= P(Xj) =
Probabilidad de Estado transicin de un
anterior. estado a otro., esto
es :
P(Xj) = P(ai/Xi).P(Xi)
[I]
Al emitir el smbolo ai y se pasa del
estado Xj = (aj1, aj2,....ajm) al Xj= ( aj2,....ajm
ai ) .
La cantidad de informacin
correspondiente es: I( ai/aj1, aj2,....ajm) = -
log P( ai/aj1, aj2,....ajm)
utilizando la otra notacin
I( ai/Xj /) = - log P(ai/Xj)
2.- Si ahora dejamos fijo el estado Xj = (aj1,
aj2,....ajm) y recorremos todos los smbolos ai
de la fuente y calculamos el promedio
obtendremos la informacin media por smbolo
para un estado dado Xj, valor ya independiente
de los smbolos. Este valor ser:
H [ A/aj1, aj2,....ajm] =
P( ai/aj1, aj2,....ajm) I ( ai/aj1, aj2,....ajm)
H [ A/aj1, aj2,....ajm] =
- P( ai/aj1, aj2,....ajm) log P( ai/aj1, aj2,....ajm)
3.- Si ahora promediamos el valor anterior
recorriendo los nm estados posibles, tendremos
la cantidad media de informacin o entropa de
la fuente de Markov de orden m . Ser
entonces:
H[A] = - nm H[ A/aj1, aj2,....ajm] P( aj1, aj2,....ajm)
Sustituyendo el valor
H[A] = - nm P( aj1, aj2,....ajm) P( ai/aj1,
aj2,....ajm) log P( ai/aj1, aj2,....ajm)
Ejemplo:
Supongamos una
fuente de Markov de
cuatro estados cuyo
diagrama se presenta en
la fig. Demostrar que la
fuente es ergdica y
calcular la informacin
suministrada por la
fuente.
Las probabilidades de
Los estados iniciales transisicin son:
son: P11 = 0.8 P12 = 0.2
E1 = (0,0) P13 = 0 P14 = 0
E2 = (0,1) P21 = 0 P22 = 0
E3 = (1,0) P23 = 0.5 P24 = 0.5
E4 = (1,1) P31 = 0.5 P32 = 0.5
P33 = 0 P34 = 0
P41 = 0 P42 = 0
P43 = 0.2 P44 = 0.8
La matriz de Aplicando la condicin
transicin sera: necesaria y suficiente de
E1 E2 E3 E4 ergocidad
E1 0.8 0.2 0 0
Pi = Pi Pij
E2 0 0 0.2 0
E3 0.5 0.5 0 0
E4 0 0 0.2 0.8 0.8 0.2 0 0
0 0 0.2 0
p1 p2 p3 p4 = p1 p2 p3 p4
0.5 0.5 0 0
0 0 0.2 0
Resolviendo: Entonces las probabilidades
p1 = 0.8p1 + 0.5p3 de estado son:
p2 = 0.2p1 + 0.5p3 p1 = p(0,0) = 5/14
p3 = 0.5p1 + 0.2p4 p2 = p(0,1) = 2/14
p4 = 0.2p3 + 0.8p4 p3 = p(1,0) = 2/14
p1 + p2 + p3 + p4 = 1 p4 = p(1,1) = 5/14
Compatible y determinado Luego la fuente es ergdica
cuya solucin es: y las probabilidades de
p1 = p4 = 5/14 estado son las probabilidades
son las anteriores
p2 = p3 = 2/14 independientes de la
distribucin inicial.
Recurdese que la probabilidad del estado actual es la
probabilidad del estado anterior por la probabilidad de
transicin del estado anterior al actual.
i =1
j =1
p( a i , pa j ) log
p( a i )/p( a j )
0
n m n m
p( a , pa
i=1 j=1
i j ) log p( ai ) - ( pa , pa
i=1 j=1
i j ) log p( ai / a j ) 0
n n m
i=1
p( ai ) log p( ai ) - ( pa , pa
i=1 j=1
i j ) log p( ai / a j ) 0
Pero
p(ai) log p(ai) = - H[A*]
p(ai,aj) log p(ai/aj) = - H[A]
Entropa de la fuente de Markov de primer orden
Luego H[A*] H[A]
La igualdad se cumple solamente en el caso de que p(ai, aj) = p(ai) p(aj)
n m
p( ai ) p( a j ) n m
p( ai ) p( a j )
p( ai , pa j ) log ( pai , pa j )
i=1 j=1 p( ai , a j ) i=1 j=1 p( a i , a j )
n m n m
p( ai ) p( a j )
i=1
j=1 p( ai , pa j ) log p( ai ,a j ) ( pa ) ( pa ) - p( a ,a )
i=1 j=1
i j i j