MURILO RODRIGUES CASTRO

MODELAGEM DE PROBLEMAS PARA

ENGENHARIA DE PRODUO

FACULDADES DE CIENCIAS EXATAS E TECNOLOGICAS

SANTO AGOSTINHO-FACET
MONTES CLAROS
Dez/2009

MURILO RODRIGUES CASTRO

CADEIAS DE MARKOV

Trabalho para disciplina de modelagem

de problemas para engenharia de
produo apresentado como requisito
parcial para concluso do curso de
Engenharia
de
Produo
das
Faculdades Santo Agostinho.

PROFESSOR: APARECIDO JUNEU DOS SANTOS.

FACULDADES DE CIENCIAS EXATAS E TECNOLOGICAS

SANTO AGOSTINHO-FACET
MONTES CLAROS
Dez/2009

Para constatar a probabilidade de transio entre estados que evoluem de maneira

estocstica
as Cadeias de Markov, desenvolvidas pelo matemtico Markov, foram criadas.
Utilizando
deste meio possvel prever estados de um processo em andamento, conhecendo o
estado
atual e no sua trajetria.
Desta forma podemos definir que um Processo Estocstico como uma coleo de
variveis
randmicas. Que so de interesse para descrever o procedimento de um sistema
operando
sobre algum perodo de tempo, com isso, em termos formais, a varivel randmica
X(t)
representa o estado do sistema no parmetro (geralmente tempo) t.
Os Processos Estocsticos podem ser classificados como:
a) Em relao ao Estado
Estado Discreto (cadeia): X(t) definido sobre um conjunto enumervel ou finito.
Estado Contnuo (seqncia): X(t) caso contrrio.
b) Em relao ao Tempo (Parmetro)
Tempo Discreto: t finito ou enumervel.
Tempo Contnuo: t caso contrrio.
Exemplos
1. Nmero de usurios em uma fila de banco em um determinado instante: Estado
Discreto e
Tempo Contnuo.

2. ndice pluviomtrico dirio: Estado Contnuo e Tempo Discreto.

3. Nmero de dias chuvosos: Estado Discreto e Tempo Discreto.

Assim considerando o exemplo:

Vamos supor que uma populao dividida em trs classes, ricos, classe media, e
pobres, e
que em cada unidade de tempo a probabilidade de mudana de um estado para
outros seja
constante no tempo, s dependa dos estados.

Temos ento a matriz T chamada matriz de transio, onde so registrados os

dados
referentes a possvel transio entre as classes, relacionadas usando as linhas e
colunas da
matriz T ( probabilidade de transio da classe 1 para a 2= ).
A distribuio da populao inicial entre os trs estados pode ser descrita pela

seguinte
matriz:

Onde cada elemento da matriz representa apenas o estado atual, que neste caso
o inicial,
ressaltando que para calculo de cadeias de Markov memrias de estados passados
no so
necessrios. Essa matriz denominada vetor de estado.

Desenvolvendo o processo teremos

Ou seja, as probabilidades de transio de

estados pela posio atual em cada classe.

Exemplo 1
Uma equipe de pesquisa de mercado esta conduzindo um levantamento para
determinar a
preferncia das pessoas em relao a pastas de dentes. A amostra consiste em 200
pessoas;
cada uma experimenta duas marcas por vrios meses. Baseada nas respostas do
levantamento,
a equipe de pesquisa compila a seguinte estatstica sobre as preferncias quanto a
pastas de
dentes:
Dos que usaram a marca A em qualquer ms, 70% continuaram a utiliz-la no ms
seguinte,
enquanto 30% mudaram para a marca B; dos que usaram a marca b em qualquer
ms, 80%
continuaram a utiliz-la no ms seguinte, enquanto 20% mudaram para a marca A.
Esses
resultados aparecem neles como probabilidades.

A Figura 1 um exemplo simples de uma cadeia de Markov (finita).

Na pesquisa sobre pastas de dentes, existem apenas dois estados o uso da marca
A e o uso
da marca B -, e as probabilidades de transio so as indicadas na Figura 1.

Suponha que no
comeo da pesquisa, 120 pessoas estejam usando a marca A e 80 pessoas, a
marca B. Quantas
pessoas estaro cada uma das marcas um ms depois?
O numero de usurios da marca A, aps um ms de uso, ser 70% daqueles que
inicialmente
utilizaram a marca A (aqueles que se mantm leais marca A) mais 20% dos
usurios da
marca B( os que trocaram B por A):
0,70(120) + 0,20(80) = 100
Similarmente, numero de usurios da marca B, aps um ms, ser a combinao
dos que
trocaram para a marca B e daqueles que continuaram a utiliz-la:
0,30(120) + 0,80(80) = 100
Podemos presumir essas duas equaes em uma simples equao matricial:

Vamos chamar a matriz de P e os vetores, de

(Note que as
componentes de cada vetor so o numero de usurios das marcas A e B,
respectivamente,
aps o numero de meses indicado pelo ndice do vetor). Dessa forma, temos x1
=Px0.

Estendendo a notao, considere xk como o vetor cujas componentes registram a

distribuio
de usurios de cada pasta de dentes aps k meses. Para determinar o numero de
usurios de
cada marca aps dois meses simplesmente aplicamos a mesma equao matricial,
comeando
com o x1 em vez x0. Obtemos

Na qual vemos que agora temos 90 usurios da marca A e 110 da marca B.

Se, no Exemplo acima, quisssemos acompanhar no o numero real de usurios,

mas o
numero relativo que utiliza cada marca, poderamos converter os dados em
porcentagens ou
fraes dividindo por 200 o numero total de usurios. Dessa maneira, comearamos
com:

Para indicar o fato de que, inicialmente, a diviso entre as marcas A e B seria de

60% e
40%, respectivamente. Verificando por calculo direto que
Podemos perceber de outro modo natureza determinstica das cadeias de Markov.
Note que
podemos escrever
X2 = px1 = p(px0) = px0
Assim examinando uma potencia da matriz de transio, temos:

Observe que esses clculos resultam exatamente em uma matriz (p) estocstica
referente a
duas transies. Ou seja, (p)21 = 0,45 representa a probabilidade de passar do
estado 1( marca
A) para o estado 2 ( marca B) em duas transies.Generalizando temos que:
(Pk) ij a probabilidade de se passar do estado j ao estado i em k transies.
Prosseguindo os clculos (arredondando as casas decimais) encontramos:

E assim por diante, onde os vetores de estado se aproximam do vetor o que

significa que, futuramente, 40% dos usurios de pasta de dentes na pesquisa usaro
a marca A
e 60% usaro a marca B.
Verificando que aps atingir essa distribuio ela nunca mais mudar.

Um vetor de estado x, com a propriedade Px = x chamado vetor de estado

estacionrio. E em
toda cadeia de Markov existe apenas um nico vetor estacionrio, que pode ser
encontrado da
seguinte maneira:
Reescrevendo a equao matricial Px = x por Px= Ix, que pode se reescrita como
(I-p) x = 0. Agora, esse apenas um sistema de equaes lineares homogneo com
matriz de
coeficientes I-P, por isso a matriz completa [i-P|0]. No exemplo 1 temos
Que se reduz a

Logo, se o nosso vetor estacionrio

,x2 uma varivel livre e a soluo
paramtrica
X1=2/3t, x2=t

Se precisarmos que x seja um vetor de probabilidade, ser necessrio que

1 = x1 + x2 = 2/3t + t = 5/3t
Portanto, x2 = t = 3/5 = 0,6 e x1 = 2/5 = 0,4, logo,

, de acordo com

nossos
clculos iterativos.( se precisarmos que x contenha a distribuio real. Precisaremos,
neste exemplo, ter x1 +x2 =200, de onde segue que .