Documente Academic
Documente Profesional
Documente Cultură
Def: Sea un sistema dinámico cuyo conjunto de posibles estados es S = {0,1,2,…} donde cada
estado es la configuración del sistema en un momento dado. Dicho sistema evoluciona en el
tiempo, pasando al azar de un estado a otro. Sean las v.a. Xn = ”Estado del sistema en el instante n”
(con n = 0,1,2,…) con recorrido (valores posibles) S , la familia de v.a. X0 , X1 , X2 , … conforman una
Cadena de Markov si y sólo si (sii) se cumple que:
Def: La matriz de probabilidad de transición P tiene |S| |S| entradas pij = P(Xn+1 = j │ Xn = i )
(con i,j S para n=0,1,2,…) probabilidades condicionales, tales que:
i,j S : pij ≥ 0
∑ = 1 (entradas de cada fila de P suman 1)
Def: La matriz de probabilidad de transición en n instantes P(n) tiene |S| |S| entradas
pij(n) = P(Xk+n = j │ Xk = i ) (con i,j S para n,k=0,1,2,…) probabilidades condicionales,tales que:
i,j S : ≥0
∑ = 1 (entradas de cada fila de P(n) suman 1)
Casos particulares:
P(1) = P
P(0 )= I (matriz identidad) pues cada estado es alcanzable desde el mismo en 0 instantes de tiempo
Cada entrada de P(n+m) es el producto escalar del vector fila i de P(n) y el vector columna j de P(m)
V.A.: X0 … Xn … Xn+m
Estados: i … h … j
├───//───┼───//───┼──────────> Tiempo
Instantes: 0 … n … n+m
Def: El vector de probabilidad de estado en el instante n (con n=0,1,2,…) es un vector fila π(n)
con |S| entradas = P(Xn = j ), probabilidades no condicionadas, tales que:
j S: ≥0
∑ = 1 (entradas de π(n) suman 1)
Caso particular: π(0) = vector de probabilidad de estado inicial.
En general: π(n+1) = π(n)·P para n=0,1,2,… de modo que:
π(1) = π(0)·P → π(2) = π(1)·P = π(0)·P·P = π(0)·P(2) → π(n) = π(0)·P· … ·P·P = π(0)·P(n)
∑
NOTA: Cada entrada de π(n) es el producto escalar del vector fila π(0) y el vector columna j de P(n)
Def: El estado j es alcanzable (accesible) desde el estado i si y sólo si >0 para algún n≥0. Es
decir: j es alcanzable (accesible) desde i sii es posible llegar desde i hasta j en algún momento.
NOTA: Cada estado i es alcanzable (accesible) desde el mismo, pues 1
Def: El estado i comunica con el estado j si y sólo si j es alcanzable (accesible) desde i y viceversa,
es decir: i comunica con j sii j es alcanzable (accesible) desde i i es alcanzable (accesible) desde j
NOTA: La relación binaria R definida como , iRj sii “i comunica con j “ es una relación de
equivalencia, ya que R es Reflexiva, Simétrica y Transitiva. Así, los estados i,j pertenecen a una
misma clase de equivalencia sii i comunica con j. Dos clases de equivalencia son subconjuntos de S
que sólo pueden ser disjuntas ó idénticas, de modo que R induce una partición del conjunto S.
Def: Una cadena de Markov es irreducible sii todos sus estados comunican entre sí, perteneciendo
a una única clase de equivalencia.
Def: Una cadena de Markov finita e irreducible es ergódica si y sólo si (sii) todos sus estados son
recurrentes y aperiódicos.
Def: En caso de existir, el vector límite de probabilidad de estado es un vector fila π con |S|
entradas πj = = P(Estar en el estado j sin importar estado inicial ni transiciones)
tales que:
j S : πj ≥ 0
∑ = 1 (entradas de π suman 1)
Teorema: Para toda cadena de Markov ergódica existe el vector límite de probabilidad de estado π
cuyas |S| entradas πj = lim son la solución única del sistema de ecuaciones:
: ∑
∑ = 1 (entradas de π suman 1)
NOTA: Cada entrada de π es el producto escalar del vector fila π y el vector columna j de P