Sunteți pe pagina 1din 30

Aplicaii ale algebrei liniare n

genetic i economie folosind lanurile Markov

Profesor coordonator:
Prof.Univ.Dr. Constantin Raischi
Componena grupei:
Bucur Claudia-gr.1022
Bucur Simona-gr.1003
Barti Andrei-gr.1002

n toate crizele din afaceri exist dou


cursuri larg deschise pentru un om. El
poate rmne unde este sau poate
merge n alt parte.
P.G. Wodehouse, Indiscreiile lui
Archie

Motivaie:
Evoluia societii i a nevoilor acesteia a
impus o nou viziune asupra sistemelor
economice caracterizate prin complexitate i
interdependen.
Teoria probabilitilor i
algebra liniar sunt printre cele mai
inovatoare domenii ale ultimelor dou secole,
ncununnd astfel noua paradigm a societii
moderne: Nu este suficient s tim rspunsul
la o ntrebare. Cel mai important este s
integrm
rspunsurile
ntr-un
ansamblu
coerent.
Lanul Markov este un proces ce se detaeaz
de viziunea determinist, analiznd evoluia
viitoare n condiii de incertitudine.

Aplicabilitatea procesului Markov


depete graniele domeniului
economic fiind utilizat i n genetic,
codificarea aritmetic, bioinformatic,
paginile web folosite de Google.

2. Scurte noiuni teoretice


1)

Definiia lanului Markov


Presupunem un sistem matematic sau fizic
care are n posibile stri i ca la fiecare
moment sistemul este ntr-una din cele n stri .
Se consider c la perioada de observare k
probabilitatea ca sistemul s fie ntr-o stare
anume depinde de starea din perioada k-1.
Acest sistem poart numele de LAN MARKOV.

irul (Xn)n se numete lan Markov cu


n
mulimea strilor I dac
i i
0,
...,in+1 I dac
P (Xn+1=in+1 | Xn=in,..., X0=i0) = P (Xn+1=in+1
| Xn=in) .

2) Matricea de trecere a lanului Markov


Pentru un lan Markov cu n stri
vectorul de stri este un vector coloan
unde componenta i reprezint
probabilitatea ca sistemul s fie n starea
i la acel moment de timp. Suma
elementelor dintr-un vector de stare este
1. Astfel, vectorii X0 i X1 din exemplu
sunt vectori de stare. Dac pij este
probabilitatea de tranziie de la o stare j
la starea i, atunci matricea T = [pij]
este numit matrice de trecere a

O matrice de tranziie se numete periodic dac


pentru orice numr ntreg r toate elementele matricei Tr
sunt strict pozitive (0 nu este o valoare strict pozitiv).
Un proces al unui lan Markov se numete periodic
dac matricea lui de tranziie este periodic.

Considerm un lan Markov cu matricea


periodic de tranziie T iar S denot limita lui Tn
pe msur ce n se apropie de infinit, atunci Tn
XSX=p i prin urmare sistemul se apropie de
un vector fixat de stri p numit vectorul strii
de echilibru a sistemului. Acum din moment
ce Tn+1=TTn i ambele Tn+1 i Tn se apropie de S,
avem: S=TS . Orice coloan a acestei ecuaii
matriciale ne d Tp=p . Prin urmare, vectorul
strii de echilibru a unui lan Markov periodic cu
matricea de tranziie T este vectorul unic de
probabiliti p care satisface condiia: Tp=p .

Fiind dat o matrice ptratic, spunem ca


numrul este o valoare proprie a lui A dac
exist un vector X diferit de 0 satisfcnd
condiia : AX=X . n acest caz spunem c X
este un vector propriu al lui A corespunznd
valorii proprii .
n concluzie, un vector al strii de echilibru
al unui lan Markov periodic este un vector
propriu pentru matricea de tranziie
corespunznd-i valoarea proprie 1.

Pentru un lan Markov, viitorul este


independent condiionat de trecut, fiind
dat prezentul.
Fie X = (Xn; n 0) o secven de variabile aleatoare
ce iau valori ntr-un sistem de numeraie. Stabilim S,
numit spaiul de stare. Dac pentru toate valorile
n0 i toate valorile posibile ale lui i, k, k0, . . . , kn1,
avem
P(Xn+1 = k|X0 = k0, . . . , Xn = i ) = P(Xn+1 = k|Xn = i
)
= P(X1 = k|X0 = i ),
atunci X se numete lan Markov sau se poate afirma
c are proprietatea lui Markov.

Lan Markov omogen


Un lan Markov este omogen sau cu probabiliti de
trecere staionare, dac acestea nu depind explicit de
timpul t: p(t; it-1,it)=p(it-1it)
Pentru un lan Markov omogen (cu probabilitile de
trecere staionare) are loc relaia:
n

P(Xt()=it,0tn)=pi0

p
t 1

Probabilitile pit 1 i

it 1 i

elementeleuneimatrici
numitmatriceadetrecere

EXEMPLU:
S considerm r urne numerotate 1,2,...,r care
conin fiecare bile de r tipuri diferite, marcate de
asemenea, 1,2,...,r. Probabilitatea de a extrage o
bila de tipul j din urna i este egal cu p ij, i,j=1,2,...,r.
La momentul iniial se alege o urn conform
repartiiei de probabilitate (p i)1ir.
Din aceast urn se extrage o bil care se
reintroduce apoi la loc. Dac bila extras a fost de
tipul i, atunci extragerea urmtoare se va face din
urna i .a.m.d.
Concluzie: irul tipurilor de bile extrase succesiv
este un lan Markov cu mulimea strilor
I={1,2,...,r}, probabilitile iniiale (p i)1ir i
probabilitile de trecere (pi)1i, jr

3. Exemple ale lanurilor Markov


Dac ai fi trit n Constana pentru un timp, trebuie
s fi realizat c vremea este o mare grij a
populaiei. Un studiu neoficial al vremii din ora n
timpul unei primveri timpurii duce la urmtoarele
observaii:
->Este aproape imposibil s existe dou zile
frumoase la rnd.
->Dac este o zi frumoas, este la fel de posibil ca
ziua urmtoare s fie una cu ploaie sau cu zpad.
->Dac avem ploaie sau zpad, atunci exist i
ansa ca s fie la fel ziua urmtoare.
->Dac este o ans de ninsoare sau ploaie, numai
n jumtate din cazuri este ansa s fie o zi
frumoas.

Matricea de trecere a sistemului este:


N
S

0 0.25 0.25

T 0.5 0.5 0.25


0.5 0.25 0.5

N
R
S

Unde N= nice (vreme frumoasa) , R=rain (vreme ploioasa) , S=snow


(ninsoare)

Presupunand ca azi este vreme


frumoasa, vectorul initial de stare va fi :

1
0
x0=
0

N
R
S

Dup 7 zile (o sptmn), vectorul de stare va fi:

0.1999511 0.2000122 0.2000122


0.4000244 0.4000244 0.3999633
7
X7=T X0=

0.4000244 0.3999633 0.4000244

1 0.1999511
0 0.4000244

0 0.4000244

n concluzie, exist anse de 20% s fie frumos ntro sptmn.

Aplicatii ale algebrei liniare


in ECONOMIE
Exemplu: aplicabilitatea procesului
Markov ntr-un model economic privind
probabilitatea de avansare pe scara
social a familiilor n funcie de avuia
acestora
Probabilitatea
de avansare
este
Ipotez:
3 trepte sociale:
de jos, de mijloc
reprezentat
i nstrit n urmatoarea matrice de
tranziie.
T=

0.6 0.1 0.1


0.3 0.8 0.2

0.1 0.1 0.7

probabilitatea

ca o generaie
urmtoare s avanseze pe scara
social este de t1,3=0.1

Consideram urmtorul vector de


stare ce 0corespunde
apartenenei la

clasa de 1mijloc.

0

X(0)=
Dupa o generatie,vom avea:
0.6 0.1 0.1
X(1)=TX(0)= 0.3 0.8 0.2

0.1 0.1 0.7

0 0.1
1 0.8

0 0.1

=>dac o familie aparine iniial clasei de


mijloc, probabilitatea de a accede la clasa
0.15
de vrf este de 0.1
X(2)=T2X(0)= 0.69
0.16

..
0.194
(5)
5 (0) 0.576
X =T X =

0.231

..
0.200
X(10)=T10X(0)= 0.553
0.250

=>dac n momentul iniial o familie


aparine clasei de mijloc, dup 10
generaii probabilitatea ca familia s
aparina clasei de vrf este de 20%, clasei

Aplicatii ale algebrei liniare


in GENETIC
Fiinele vii motenesc de la prinii lor
multe dintre caracteristicile fizice ale
acestora.
Genele prinilor determin aceste
caracteristici.
Genetica populaiei este ramura
geneticii care studiaz structura genetic
a unei populaii i caut s explice modul

Motenirea

autozomala este tipul de


ereditate n care fiecare trstur ce
poate fi motenit este dominat de
o singur gen.
Tipuri de gene:
Dominante (A)
Recesive (a)
Tipuri

AA
Aa
aa

de genotip:

Exemple:
n anumite populaii de animale, un
model autozomal de motenire
controleaz culoarea ochilor. Indivizii cu
genotip AA si Aa au ochi cprui,n timp
ce aceia cu genotipul aa au ochi
albatri.
Se consider o serie de experimente n
care se ncrucieaz descendeni numai
cu animale dominante. Astfel, se
continu ncruciarea cu AA, Aa i aa.
Scopul: determinarea probabilitilor ca
descendenii s fie de tipul AA, Aa sau
aa.

Distribuia

iniial a populaiei:

1 / 3

X 0 1 / 3
1 / 3

Concluzie:

n urma
experimentelor, toi descendenii
vor avea ochi cprui.
Urmtorul pas este s examinm
modul n care fiecare fracie din
genotipurile iniiale se va
modifica de la o generaie la alta.
Pentru acest lucru, vom numi Xn
distribuia vectorilor de genotip a
generaiei n.

Rezolvarea

problemei porneste

de la

X1=AX0
Fraciile

genotipurilor AA, Aa i aa
n prima generaie pot fi
exprimate ca 1(1/3)+(1/2)
(1/3)+0(1/3)
0(1/3)+(1/2)(1/3)+(1/3)

Intrri
Rezultat

AA

Aa

aa

AA
Aa
aa

A=

1 1 / 2 0
0 1 / 2 1

0 0 0

Matricea

X1=AX0

de transmitere
AA Aa
aa

1 1 / 2 0

A 0 1 / 2 1
0 0 0
n

general,

Xn=AXn-1

AA
Aa
aa

ngeneral,Xn=AXn-1

1 / 2
3 / 4
7 / 8

X 1 1 / 2 X 2 1 / 4 X 3 1 / 8

0
0
0

X 0
0

X 0
0

BIBLIOGRAFIE
1. David Stirzaker , Elementary probabilities,
Cambridge University.
2. Bharucha-Reid, A.T., Elements of the Theory
of Markov Processes and their Applications,
McGraw-Hill Book Company, Inc, Now York. Toronto.
London, 1960.
3. Iosifescu, M., Lanturi Markov finite si aplicatii,
Ed. Tehnica, Bucuresti, 1977.
4. Peder A. Tyvand, Steinar Thorvaldsen,
Theoretical Population Biology, Volume 72, Issue 1,
August 2007, Pages 148-152
5. F. R. de Hoog, A. H. D. Brown, I. W. Saunders,
M. Westcott, Journal of Mathematical Analysis and
Applications, Volume 115, Issue 1, April 1986, Pages
181-191