Cadeias de Markov

Prticas e Aplicaes
Tutorial desenvolvido por:
Fabrcio Bueno



CEFETSC/Ararangu, 2!
Sumrio
" #ntrodu$o%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%"
2 &iagra'a de transi$o%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%2
( )etor de pro*a*ilidade%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%(
+ Matri, de Transi$o%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%-
- &eter'ina$o de pro*a*ilidades .uturas %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%/
/ Cadeias erg0ticas%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%!
1 Cadeias 2egulares%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%"2
! 2egi'e estacionrio%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%"+
3 E4erc5cios%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%"/
Ap6ndice A 7 2esposta dos e4erc5cios%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%2
Ap6ndice 8 7 Modelage' dos e4erc5cios no 9ctave%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%22
Ap6ndice C 7 E4e'plo de aplica$o de Cadeias de Markov%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%2(
8i*liogra.ia%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%((
ndice de Figuras
Figura ": &iagra'a de Transi$o%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%2
Figura 2: &iagra'a de Transi$o parcial do e4e'plo de classes s0cio;econ<'icas%%%%%%%%%%%%%%%%%%%%%%%%%%%+
Figura (: &iagra'a de Transi$o co'pleto do e4e'plo de classes s0cio;econ<'icas%%%%%%%%%%%%%%%%%%%%%%%-
Figura +: &iagra'a de Transi$o de u'a cadeia erg0tica%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%3
Figura -: &iagra'a de Transi$o de u'a cadeia n$o;erg0tica%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%3
Figura /: &iagra'a de Transi$o de u'a cadeia n$o;erg0tica%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%"
Figura 1: &iagra'a de Transi$o de cadeia erg0tica%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%""
Figura !: &iagra'a de Transi$o de cadeia erg0tica%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%""
ndice de Tabelas
Ta*ela ": Cru,a'ento entre gen0tipos%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%2+
Ta*ela 2: Pro*a*ilidades de cru,a'ento entre gen0tipos%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%("
Cadeias de Markov
1 Introduo
Em atividades industriais, comerciais e humanas, bem como em fenmenos
naturais, uma alto grau de incerteza est sempre presente. ortanto, modelos
matemticos probabilsticos, como o processo de !ar"ov
#
, $ue permitam uma previs%o
estimada do futuro, s%o bastante &teis na tomada de decis%o'Boldrini, #()*+.
,-se o nome de processo de !ar"ov a um dado fenmeno $ue possa ser
classificado em estados finitos e discretos, e cu.a probabilidade de transi/%o entre tais
estados, num intervalo de tempo tamb0m discreto, dependa apenas do estado corrente e
do estado seguinte
1
. 2 se$34ncia de estados seguindo este processo d-se o nome de
cadeia de !ar"ov'5hamblin, #(6(+.
Estas defini/7es podem ser e8emplificadas por fenmenos sociais. 5uponha a
e8ist4ncia de tr4s possveis classifica/7es sociais para um indivduo de uma popula/%o:
classes 9, B e :. T4m-se a tr4s estados discretos, ou se.a, n%o h meio termo entre as
classes. 9 probabilidade de um indivduo sair da classe : e ir para a classe B pode ser
determinada por estudos estatsticos $ue observem a ta8a de indivduos $ue, ao longo de
um determinado perodo, migram entre estas classes. T4m-se a um rocesso de !ar"ov.
;ogo, a transi/%o destes indivduos entre as classes constitui uma :adeia de !ar"ov.
"
Andrei Andre=evitc> Marckov ?"!-/;"322@ 7 'ate'tico russo
2
&e.ini$o relativa a cadeia de Markov de pri'eira orde'% E' cadeias de Markov de segunda orde', > depend6ncia
de dois estados correntes%
"
ara o entendimento de cadeias de !ar"ov e suas aplica/7es, 0 essencial o
conhecimento dos conceitos: diagrama de transi/%o, vetor de probabilidade, matriz de
transi/%o, cadeia erg<tica, cadeia regular, e regime estacionrio.
2 Diagrama de transio
= diagrama de transi/%o 0 uma representa/%o grfica de uma :adeia de !ar"ov.
>este diagrama s%o visualizados os estados 'representado por crculos+, as transi/7es
'representadas por arcos+ e as probabilidades das transi/7es. ?eneralizando, pode-se
representar os estados e as probabilidades de transi/%o, respectivamente, por E
i
e p
ij
,
onde i e j s%o um ndices $ue identificam os vrios estados possveis 'logo p
ij
0 a
probabilidade de haver uma transi/%o do estado E
i
para o estado E
j
+. 9 partir desta
generaliza/%o, pode-se desenhar um diagrama, conforme a Figura #:
2
Figura 1: Diagrama de Transio
p
("
p
22
p
2(
p
(2
p
""
E
"
p
"2
p
"(
p
2"
E
(
E
2
p
((
3 Vetor de probabilidade
= vetor de probabilidade cont0m as probabilidades de transi/%o de um estado para
outros estados em um intervalo de tempo discreto. 9 generaliza/%o do vetor de
probabilidade 0 dada por:
=nde p
ij
indica a probabilidade de haver transi/%o do estado E
i
para o estado E
j
, p
ik
indica a probabilidade de haver transi/%o do estado E
i
para o estado E
k
, e p
il
indica a
probabilidade de haver transi/%o do estado E
i
para o estado E
l
. 9 soma dos elementos de
um vetor de probabilidade sempre ser igual a #.
@tilizando o e8emplo das classes s<cio-econmicas, um estudo estatstico pode ter
determinado $ue 0 nula a probabilidade de um indivduo na classe : ir diretamente para a
classe 9, a probabilidade de ir para a classe B ser *,#, e a de continuar na classe : ser
*,(. ;ogo, o vetor de probabilidade de um indivduo na classe : ser:

9 Figura 1 ilustra estas o diagrama de transi/%o para estas probabilidades.
(
V
i
=[ p
i j
p
i k
p
i l
]
V
C
=[ ," ,3]
Este diagrama apresenta apenas as transi/7es cu.as probabilidades s%o
conhecidas. >ote $ue n%o h um arco representando a transi/%o de : para 9, uma vez
$ue h probabilidade nula de esta transi/%o ocorrer.
@ma vez $ue todas as probabilidades se.am conhecidas, 0 possvel montar um
diagrama completo para este e8emplo. :onsiderando os vetores de probabilidade dos
estados 9 e B e8ibidos a seguir, t4m-se o diagrama de transi/7es completo, conforme a
Figura A:
+
V
A
=[ ,( ,- ,2]
V
B
=[ ,( ,2 ,-]
Figura 2: Diagrama de Transio parcial do exemplo de classes
scio-econmicas
,"
A
C
8
,3
4 Matriz de Transio
ara cada estado deve haver um vetor de probabilidade. 2 uni%o de todos os
vetores de probabilidade em uma matriz d-se o nome de matriz de transi/%o. Esta matriz
sempre ser $uadrada'Boldrini, #()*+ ou se.a, o n&mero de linhas e colunas ser sempre
e$uivalente. 9 seguir 0 e8ibido um modelo gen0rico desta matriz:

-
Figura : Diagrama de Transio comple!o do exemplo de classes
scio-econmicas
,2
,-
,"
,(
A
,-
,2
,(
C
8
,3
M=
[
p
""
p
"2
p
"(
p
2"
p
22
p
2(
p
("
p
(2
p
((
]
=nde o elemento p
ij
, conforme . citado anteriormente, indica a probabilidade de
haver transi/%o do estado E
i
para o estado E
j
.
>o e8emplo das classes sociais, considerando os vetores de probabilidade das
classes 9, B e : respectivamente, B*,A *,C *,1D, B*,1 *,A *,CD e B* *,# *,(D t4m-se a
seguinte matriz de transi/%o.

>esta matriz, o elemento p
23
, $ue e$uivale a 0,5, indica a probabilidade *,C de
haver transi/%o do estado E
B
para o estado E
C
. =utra interpreta/%o possvel 0 transformar
estas probabilidades em percentagens e consider-las como ta8as de transi/%o da
popula/%o em estudo. or e8emplo, p
23
E *,CE C*F, indica $ue, em um dado momento,
C*F da popula/%o no estado E
B
pode passar para o estado E
C.
5 Determinao de probabilidades futuras
= vetor de probabilidade e a matriz de transi/%o s%o &teis na determina/%o de
probabilidades ao longo do tempo '5hamblin, #(6(+. ara tanto, temos a seguinte
e$ua/%o:
/
M=
[
,( ,- ,2
,2 ,( ,-
," ,3
]
onde
G 0 um vetor de probabilidadeH
t 0 o perodo para o $ual se $uer obter a probabilidadeH
i 0 ndice do estado a partir do $ual se $uer fazer a previs%oH
! 0 a matriz de probabilidade.
= vetor resultante desta e$ua/%o ' V
i
t
+ conter as probabilidades de transi/%o
de um estado E
i
ap<s um perodo t.
or e8emplo, caso se $ueira obter a probabilidade de um indivduo na classe B ir
para a classe 9 em tr4s anos, t4m-se a seguinte e$ua/%o e sua resolu/%o:
= vetor V
B
(
=[ ,!+ ,"3/ ,12] indica $ue um indivduo na classe B t4m uma
probabilidade de *,*)I de estar na classe 9 ap<s tr4s anos. 9ssim como tem a
probabilidade de *,#(J de continuar na classe B, e uma probabilidade de *,61 de estar na
classe :.
1
V
i
t
=V
i
M
t"
V
B
(
=V
B
M
2
V
B
(
=[,2 ,( ,-]
[
,( ,- ,2
,2 ,( ,-
," ,3
]
2
V
B
(
=[ ,2 ,( ,-]
[
,"3 ,(2 ,+3
,"2 ,2+ ,/+
,2 ,"2 ,!/
]
V
B
(
=[ ,!+ ,"3/ ,12]
@ma alternativa para esta e$ua/%o 0 utilizar um vetor identidade 'Boldrini, #()*+,
cu.o elemento n%o nulo ser a posi/%o i, conforme e8ibido a seguir:
;ogo, podemos resolver o e8emplo anterior com esta e$ua/%o alternativa,
chegando ao mesmo resultado.
9dotaremos esta e$ua/%o ao longo do te8to devido a sua maior praticidade.
6 adeias erg!ti"as
@m fenmeno em $ue ha.a probabilidade n%o nula de $ual$uer estado poder ser
alcan/ado atrav0s de uma ou mais transi/7es a partir de $ual$uer outro estado constitui
uma cadeia erg<tica. Esta defini/%o pode ser melhor entendida atrav0s de diagramas de
transi/%o.
9 Figura I, assim como a Figura A, e8ibe uma cadeia erg<tica, pois $ual$uer
estado pode ser alcan/ado a partir de outro estado $ual$uer. 9 K na Figura C trata-se de
uma cadeia n%o-erg<tica, uma vez $ue o estado E
3
n%o pode ser alcan/ado de modo
algum. 9 Figura J tamb0m traz uma cadeia n%o-erg<tica, pois, uma vez no estado E
3
, n%o
!
V
i
t
=V
i

M
t
V
B
(
=V
B

M
(
V
B
(
=[ " ]
[
,( ,- ,2
,2 ,( ,-
," ,3
]
(
V
B
(
=[ " ]
[
,"2" ,2+ ,/(3
,!+ ,"3/ ,12
,( ,"(2 ,!(
]
V
B
(
=[,!+ ,"3/ ,12]
se pode ir para nenhum outro estado. Este &ltimo caso 0 chamado de cadeia
absorvente'5hamblin, #(6(+.
3
Figura ": Diagrama de Transio de uma cadeia erg!ica
A
C
8
Figura #: Diagrama de Transio de uma cadeia no-erg!ica
A
C
8

9 partir de uma matriz de transi/%o, tamb0m pode-se determinar se uma cadeia 0
erg<tica. ara tanto, basta verificar se h probabilidades nulas e se estas tornam algum
estado inalcan/vel. 5e n%o houver nenhuma probabilidade nula, certamente trata-se de
uma cadeia erg<tica.
or e8emplo, a seguinte matriz de transi/%o 0 erg<tica, pois, apesar de haver duas
probabilidades nulas, 0 possvel chegar a estado em uma ou mais transi/7es. Lsto pode
ser verificado na Figura 6.
"
Figura $: Diagrama de Transio de uma cadeia no-erg!ica
A
C
8
M=
[
," ,- ,+
,2 ,!
," ,3
]
K a pr<8ima matriz apresenta uma cadeia n%o-erg<tica. :onforme pode ser
verificado na Figura ) $ue, uma vez no estado B, 0 impossvel chegar a outro estado.

""
Figura %: Diagrama de Transio de cadeia erg!ica
,!
,"
,"
A
,-
,+
,2
C
8
,3
M=
[
," ,- ,+
"
," ,3
]
Figura &: Diagrama de Transio de cadeia erg!ica
"
,"
,"
A
,-
,+
C
8
,3
# adeias $egulares
Em fenmenos cu.a matriz de transi/%o, em alguma pot4ncia, n%o tenha elementos
nulos, trata-se de uma cadeia regular. Toda cadeia regular 0 tamb0m erg<tica, conforme
poder ser verificado adiante.
9 matriz a seguir possui um elemento nulo na primeira linha. or0m, a pot4ncia !
1
n%o possui nenhum elemento nulo. ;ogo, trata-se de uma cadeia regular.
:onforme foi verificado na se/%o M,etermina/%o de probabilidades futurasN, uma
pot4ncia da matriz de transi/%o indica todas as probabilidades de transi/%o em um
momento futuro 'por e8emplo: !
A
pode indicar uma matriz de transi/%o no terceiro ano do
fenmeno estudado+. ;ogo, se em uma pot4ncia 'ou se.a, em um momento futuro+ a
matriz de transi/%o n%o possui elementos nulos, isto indica $ue, em algum momento,
todas as transi/7es ser%o possveis, logo a cadeia 0 erg<tica.
K as pot4ncias das pr<8imas matrizes formam padr7es em $ue as probabilidades
nulas n%o desaparecem. ;ogo, estas matrizes representam cadeias n%o regulares.
"2
M=
[
,- ,-
,2 ,( ,-
,( ," ,/
]
M
2
=
[
,2- ,2 ,--
,2" ,2+ ,--
,2 ,2+ ,-/
]
:omo estes padr7es se repetem indefinidamente, tais matrizes de transi/%o nunca
dei8ar%o de ter elementos nulos, por0m, isso n%o indica $ue se trata obrigatoriamente de
uma cadeia n%o-erg<tica, uma vez $ue h cadeias erg<ticas n%o-regulares.
"(
M=
[
"
%" ,3
"
]
M
2
=
[
," ,3
"
," ,3
]
M
(
=
[
"
," ,3
"
]
M
+
=
[
," ,3
"
," ,3
]
M=
[
,- ,-
," ,3
"
]
M
2
=
[
,( ,2- ,+-
,- ,- ,3
"
]
M
(
=
[
,"1- ,"- ,/1-
,( ,2- ,3+-
"
]
M
+
=
[
,"2 ,!1- ,!"
,"1- ,"- ,3/1-
"
]
% $egime esta"ion&rio
ara toda cadeia erg<tica regular e8iste um regime estacionrio, onde as
probabilidades de transi/%o se tornam constantes ao longo do tempo. Em uma cadeia em
regime estacionrio, a probabilidade de transi/%o 0 baseada apenas no pr<8imo estado, e
n%o mais no par estado correnteOpr<8imo estado.
5e.a o vetor de probabilidades de uma cadeia em regime estacionrio, t4m-se a
e$ua/%o:

=nde

=
=
I
i
i
"
"
, sendo I o n&mero de estados. = valor de

"
, por e8emplo, 0 a
probabilidade, em regime estacionrio, de haver uma transi/%o para o estado E
#
. Este
vetor pode ser obtido atrav0s da resolu/%o do seguinte sistema.
:onsiderando a representa/%o gen0rica de M e a representa/%o do vetor , pode
ser reescrito da seguinte forma:

"+
=[
"

2

(
]
=M

i ="
I

i
="
"
A A A
A A A
A A A
( 2 "
( (( ( (2 2 (" "
2 2( ( 22 2 "2 "
" (" ( 2" 2 "" "
= + +
= + +
= + +
= + +




p p p
p p p
p p p
9 partir da resolu/%o deste sistema, atrav0s de m0todos lineares 'Boldrini, #()*+, 0
possvel obter as probabilidades em regime estacionrio. Goltando ao e8emplo das
classes sociais, pode-se encontrar o vetor de transi/%o do regime estacionrio a partir do
sistema a seguir:
Pesolvendo este sistema, t4m-se como resultado o vetor de probabilidade:
9 partir destes resultados, pode-se fazer as afirma/7es:
#. 9 longo prazo, a probabilidade de um determinado indivduo estar na classe
9 0 de *,*I. 9 probabilidade de estar na classe B 0 *,#IJ e *,)#1 de estar
na classe :H
1. 9 longo prazo, IF da popula/%o estar na classe 9, #I,JF na classe B e
)#,1F na classe :.
Estas afirma/7es, referentes ao regime estacionrio, s< podem ser feitas se o
fenmeno estudado se tratar de uma cadeia erg<tica regular. :aso se trate de uma
cadeia erg<tica n%o-regular, a primeira afirma/%o n%o pode ser feita com seguran/a, uma
vez $ue haver elementos nulos cclicos na matriz de transi/%o '5hamblin, #(6(+.
"-
,(
"
,2
2

(
=
,-
"
,(
2
,"
(
=
,2
"
,-
2
,3
(
=

"

(
="
=[ ,+ ,"+/ ,!"2]
' ()er"*"ios
#. Em um censo populacional de uma cidade de m0dio porte, foi constatado $ue a
cada ano 6F da popula/%o rural migra para a zona urbana e $ue 1F da popula/%o
urbana migra para a zona rural. 5upondo $ue este fenmeno social se.a estvel,
n%o havendo mudan/as nestas ta8as, temos os seguintes itens:
a+ Pepresente o diagrama de transi/%o.
b+ !onte a matriz de transi/%o.
c+ Em C anos, $ual a probabilidade de um indivduo, atualmente na zona urbana,
ter migrado para a zona ruralQ
d+ Em #* anos, $ual a probabilidade de um indivduo, atualmente na zona rural, ter
migrado para a zona urbanaQ
e+ 9 longo prazo, $ual a probabilidade de um indivduo migre para a zona urbanaQ
f+ 9 longo prazo, $ual ser a ta8a de migra/%o da popula/%o para a zona urbana
e para a zona rural desta cidade 'desconsiderando o crescimento populacional
da cidade+Q
"/
1. @ma pes$uisa de mercado de um produto comercializado em tr4s diferentes
marcas constatou as seguintes probabilidades:
@m consumidor da marca R deste produto, a cada compra, tem
probabilidade *,) de manter-se fiel S marca, probabilidade *,*C de escolher
a marca ? e probabilidade *,#C de escolher a marca PH
@m consumidor da marca ? deste produto, a cada compra, tem
probabilidade *,( de manter-se fiel S marca, probabilidade *,*# de escolher
a marca R e probabilidade *,*( de escolher a marca PH
@m consumidor da marca P deste produto, a cada compra, tem
probabilidade *,C de manter-se fiel S marca, probabilidade *,A de escolher a
marca ? e probabilidade *,1 de escolher a marca RH
:om base nestas informa/7es, responda aos itens:
a+ Pepresente o diagrama de transi/%o.
b+ !onte a matriz de transi/%o.
c+ Em J compras, $ual a probabilidade de um consumidor da marca ? optar pela
marca RQ
d+ Em ) compras, $ual a probabilidade de um consumidor da marca P optar pela
marca ?Q
e+ 9 longo prazo, $ual a probabilidade de um indivduo optar pela marca ?Q
f+ 9 longo prazo, $ual ta8a de indivduos $ue ter optado pela marca PQ
"1
A. @m determinado fruto tem sua safra classificada como superior, m0dia e pobre.
Estudos revelam $ue, ap<s uma safra pobre, h probabilidades *,J e *,A de a safra
no ano posterior ser classificada como m0dia ou superior, respectivamente. 9p<s
uma safra m0dia, h probabilidades *,I e *,# de a pr<8ima safra ser classificada
como superior ou pobre, respectivamente. E ap<s uma safra superior, h
probabilidades *,C e *,# de a pr<8ima safra ser classificada como m0dia ou pobre,
respectivamente.
:om base nestas informa/7es, responda aos itens:
a+ Pepresente o diagrama de transi/%o.
b+ !onte a matriz de transi/%o.
c+ Em I anos, $ual a probabilidade de uma safra vir a ser classificada como
superior, dado $ue a safra atual 0 pobreQ
d+ Em #* anos, $ual a probabilidade de uma safra vir a ser classificada como
m0dia, dado $ue a safra atual 0 m0diaQ
e+ 9 longo prazo, $ual a probabilidade de se ter uma safra superiorQ
I. @ma m$uina tem pode estar em tr4s estados: operando, estragada e em
manuten/%o corretiva. Em levantamentos estatsticos anteriormente feitos
verificou-se $ue, mensalmente, uma m$uina, $uando colocada em
funcionamento, tem probabilidade *,( de continuar funcionando e *,# de vir a
apresentar algum defeito. @ma m$uina em manuten/%o, tem probabilidade *,I de
voltar a operar em um m4s e *,J de continuar em manuten/%o. K uma m$uina
estragada, tem probabilidade *,) de entrar em manuten/%o e *,1 de continuar
estragada aguardando manuten/%o.
"!
:om base nestas informa/7es, responda aos itens:
a+ Pepresente o diagrama de transi/%o.
b+ !onte a matriz de transi/%o.
c+ Em A meses, $ual a probabilidade de uma m$uina continuar funcionando sem
problemasQ
d+ Tual a probabilidade de uma m$uina permanecer 1 meses em manuten/%oQ
e+ 9 longo prazo, $ual a probabilidade de uma m$uina apresentar defeitoQ
f+ ara garantir uma probabilidade de pelo menos *,6A de uma m$uina continuar
em opera/%o, de $uanto em $uanto tempo deve-se realizar uma manuten/%o
preditivaQ
"3
Apndice A Resposta dos exerccios
#.
a+
b+ M=
[
,3! ,2
,1 ,3(
]
c+ 9pro8imadamente *,*)A.
d+ 9pro8imadamente *,I6C.
e+ 9pro8imadamente *,66.
f+ 9 ta8a de migra/%o da popula/%o para a zona urbana ser apro8imadamente
66,6)F e para a zona rural ser 11,11F.
2
,2
,1
Bona
Cr*ana
Bona
2ural
,3! ,3(
1.
a+
b+
M=
[
,! ,- ,"-
," ,3 ,3
,2 ,( ,-
]
c+ 9pro8imadamente *,#1C.
d+ 9pro8imadamente *,C).
e+ 9pro8imadamente *,J1.
f+ 9pro8imadamente #6,AAF.
2"
,-
,2
,(
,"- ,3
,-
,"
Marca
D
Marca
E
,! ,3
Marca
2
Apndice B Modelagem dos exerccios no Octae
!
#.
%criao da matriz de transio do exercicio 1
M1=[0.98 0.02; 0.07 0.93]
%vetor probabilidade da zona urbana aps 5 anos
V_zona_urbana=[1 0]*M1^5
%vetor probabilidade da zona rural aps 5 anos
V_zona_rural=[0 1]*M1^10
%probabilidades em regime estacionrio
M1^10000
1.
%criao da matriz de transio do exerccio 2
M2=[0.8 0.05 0.15; 0.01 0.9 0.09; 0.2 0.3 0.5]
%vetor probabilidade da marca G ps 6 anos
V_marca_w=[0 1 0]*M2^6
%vetor probabilidade da marca ps ! anos
V_marca_R=[0 0 1]*M2^8
%probabilidades em regime estacionrio
M2^10000
(
EFC 9ctave G u'a linguage' de alto n5vel inicial'ente desenvolvida para algorit'os nu'Gricos% H co'pat5vel co' o
Matla* e pode ser o*tida gratuita'ente no site: III%octave%org%
22
Apndice " #xemplo de aplica$%o de "adeias de Mar&o
"adeias de Mar&o aplicadas ' (en)tica
9 gen0tica permite a previs%o probabilstica de caractersticas em uma popula/%o.
,evido a estas caractersticas poderem ser representadas em estados discretos e a
probabilidade de transi/%o destas caractersticas, em perodos tamb0m discretos,
dependam do estado inicial da popula/%o 'n%o abordaremos a$ui fenmenos como
migra/%o, muta/%o e sele/%o natural+, pode-se utilizar :adeias de !ar"ov para uma
modelagem probabilstica.
Tomaremos como base alguns conceitos da gen0tica clssica, criada por ?regor
!endel '#)11 U #))I+. ,e acordo com a gen0tica clssica, as caractersticas de plantas e
animais s%o determinadas por um par de genes, $ue podem ser dominantes '9+ ou
recessivos 'a+. V tr4s possveis combina/7es destes genes: 99, 9a '$ue e$uivale a a9+
e aa. Estas combina/7es podem gerar, respectivamente, gen<tipos dominantes ',+,
heterozigotos 'V+ ou recessivos 'P+. Em alguns casos, estes tr4s gen<tipos resultam em
tr4s caractersticas diferentes, e em outros 99 e 9a resultam na mesma caracterstica.
>as pr<8imas se/7es ser%o tratados alguns casos de aplica/%o de cadeias de
!ar"ov, e suas varia/7es, S gen0tica.
2(
*reis%o de gen+tipos com cru,amentos controlados
9 previs%o de gen<tipos em uma popula/%o pode ser bastante &til $uando se faz
necessria a monitora/%o e possvel controle 'por sele/%o artificial+ de algumas
caractersticas, se.am elas dese.veis ou n%o 'como doen/as gen0ticas, por e8emplo+.
9s cadeias de !ar"ov podem ser &teis neste tipo de previs%o. = primeiro passo,
para o e8emplo a ser desenvolvido nesta se/%o, ser definir os estados '$ue no caso
ser%o os gen<tipos ,, V e P+ e obter a probabilidade de cada gen<tipo para cruzamentos
entre indivduos ,8,, ,8V, ,8P ,8P, V8V, V8P, e P8P. 9s probabilidades destes
cruzamentos s%o e8ibidos na Tabela #.

Ta*ela ": Cru,a'ento entre gen0tipos
?en<tipoOcruzamento -.AA/ 0.Aa/ R.aa/
DxD # * *
DxH *,C *,C *
DxR * # *
HxH *,1C *,C *,1C
HxR * *,C *,C
RxR * * #
:om base nas probabilidades, pode-se construir uma cadeia de !ar"ov
para, por e8emplo, fazer uma previs%o de gen<tipos para tr4s perodos, ou se.a, ap<s tr4s
gera/7es. >este e8emplo, os indivduos da popula/%o far%o cruzamento com indivduos
de gen<tipo V
I
. 9 matriz de transi/%o a seguir 0 formada pelos vetores de probabilidade
dos cruzamentos ,8V, V8V e P8V, respectivamente.
+
E' processos de sele$o arti.icial, pode;se, e' u'a popula$o de variados gen0tipos de 'es'o se4o, introdu,ir u'
deter'inado gen0tipo do se4o oposto, de .or'a Jue as co'*inaes g6nicas se=a' controladas e, conseJKente'ente,
seus resultados previs5veis% Esta prtica G *astante co'u' na agropecuria ?Ca'pos, 22@%
2+

:onsiderando $ue, no processo de sele/%o artificial, a primeira gera/%o a cruzar
com o gen<tipo V se.a formada e8clusivamente por indivduos homozigotos dominantes
',+, a previs%o para o perodo de tr4s gera/7es 0 dada pela e$ua/%o:
[ ] [ ] "3 , - , (" ,
- , - ,
2- , - , 2- ,
, - , - ,
A "
(
( (

= = M V V
D D

= vetor de probabilidade resultante indica $ue, ap<s tr4s gera/7es 'sendo a
gera/%o inicial de gen<tipos ,, e os cruzamentos sempre envolvendo um gen<tipo V+ traz
as seguintes informa/7es:
V probabilidade de, apro8imadamente, *,A# de um indivduo da terceira gera/%o
ter gen<tipo ,, *,C de ter gen<tipo V, e *,#( de ter gen<tipo PH
ode-se estimar $ue: A#F da terceira gera/%o ter gen<tipo ,, C*F ter gen<tipo
V, e #(F gen<tipo P.
9 este m0todo de previs%o utilizado, deve-se fazer algumas observa/7es:
9p<s a primeira gera/%o, 0 bastante provvel $ue sur.am gen<tipos diferentes dos
inicialmente adotados 'neste e8emplo, , e V+H
2-

=
- , - ,
2- , - , 2- ,
, - , - ,
M
Embora a matriz de transi/%o permita $ue todos os gen<tipos se.am
representados, ela traz apenas as probabilidades de cruzamento com o gen<tipo
pr0-determinadoH
ara $ue o resultado encontrado se.a vlido, 0 preciso $ue ha.a controle dos
cruzamentos, de forma $ue um dos gen<tipos, em cada cruzamento, se.a do tipo
pr0-determinado, ou se.a, gen<tipo V. or0m, nem sempre o controle absoluto dos
cruzamentos 0 possvel. >a pr<8ima se/%o ser e8ibido um e8emplo sem esta
limita/%o.
= clculo de probabilidade envolvendo cruzamentos e8clusivamente com gen<tipos
,, considerando a mesma gera/%o inicial, segue o mesmo raciocnio, por0m a matriz de
probabilidade ir representar os cruzamentos ,8,, ,8V e ,8P:

9 e$ua/%o a seguir e8ibe o clculo do vetor de probabilidade ap<s tr4s gera/7es.

Este resultado pode parecer bastante estranho S primeira vista, por0m, deve ser
levado em conta o fato de o cruzamento de dois gen<tipos , s< poder originar gen<tipos
,, uma vez $ue os genes envolvidos s%o ,,. E como os cruzamentos ser%o controlados,
estes genes estar%o integralmente presentes, gera/%o ap<s gera/%o.
2/

=
"
- , - ,
"
M
[ ] [ ] "
"
- , - ,
"
A "
(
( (

= = M V V
D D
ortanto, 0 desnecessrio $ual$uer m0todo de previs%o $uando se realiza
cruzamento e8clusivamente entre gen<tipos homog4neos. :aso a gera/%o inicial
consistisse nos gen<tipos V ou P, a previs%o poderia trazer resultados mais relevantes.
5upondo, por e8emplo, a gera/%o inicial de gen<tipos V, a e$ua/%o seguinte e8ibe
a previs%o ap<s tr4s gera/7es.

Lnterpretando o resultado, pode-se afirmar:
V probabilidade de, apro8imadamente, *,)6 de $ue um indivduo da terceira
gera/%o se.a do gen<tipo ,, *,#A $ue se.a do gen<tipo V, e * $ue se.a do gen<tipo
PH
ode-se estimar $ue: )6F da terceira gera/%o ter gen<tipo ,, #AF ter gen<tipo
V, e *F gen<tipo P.
or fim, o clculo de previs%o para tr4s gera/7es, considerando $ue os
cruzamentos envolvam o gen<tipo P e a gera/%o inicial se.a de gen<tipos V 'lembrando
$ue uma popula/%o de gen<tipos P dispensaria $ual$uer previs%o+, 0 dado pela e$ua/%o.

Lnterpretando-se o resultado, pode-se afirmar:
21
[ ] [ ] "( , !1 ,
"
- , - ,
"
A "
(
( (

= = M V V
H H
[ ] [ ] !1- , "2- ,
"
- , - ,
"
A "
(
( (

= = M V V
R R
>%o h probabilidade de $ue um indivduo da terceira gera/%o se.a do gen<tipo ,,
h probabilidade apro8imada de *,#1C de $ue se.a do gen<tipo V, e *,)6C $ue se.a
do gen<tipo PH
ode-se estimar $ue: *F da terceira gera/%o ter gen<tipo ,, #1,CF ter gen<tipo
V, e )6,CF gen<tipo P.
*reis%o de tendncia de gen+tipos ao longo do tempo
=s e8emplos da se/%o anterior servem como base para previs%o de gen<tipos em
vrias gera/7es, sendo predefinidos o gen<tipo inicial da popula/%o e o gen<tipo utilizado
nos cruzamentos. or0m esta abordagem traz algumas limita/7es: ela n%o permite a fcil
identifica/%o de uma tend4ncia a longo prazo, e nem sempre 0 possvel dispor de uma
popula/%o inicial com gen<tipos id4nticos. ortanto, faz-se necessrio aplicar as
propriedades do regime estacionrio de cadeias de !ar"ov.
9 partir da matriz de transi/%o para cruzamentos com o gen<tipo V pode-se obter o
vetor de transi/%o em regime estacionrio:
2!
"
- , 2- ,
- , - , - ,
2- , - ,
( 2 "
( ( 2 "
2 ( 2 "
" ( 2 "
= + +
= + +
= + +
= + +




] [ 2- , - , 2- , =
= resultado e8ibido na e$ua/%o traz as seguintes informa/7es:
9 longo prazo, h probabilidade apro8imada de *,1C de $ue um dado indivduo se.a
do gen<tipo ,, *,C do gen<tipo V e *,1C $ue se.a do gen<tipo PH
9 longo prazo, pode-se estimar $ue: 1CF da popula/%o ter gen<tipo ,, C*F ter
gen<tipo V, e *,1CF gen<tipo P.
Estas informa/7es s%o vlidas uma vez $ue a cadeia e8pressa na matriz 0 erg<tica
regular. W interessante observar $ue, no regime estacionrio, o estado corrente n%o influi
no clculo da probabilidade. >este e8emplo, isto e$uivale a dizer $ue n%o importa o
gen<tipo da popula/%o inicial, basta determinar $ual gen<tipo estar presente em todos
os cruzamentos 'neste caso, gen<tipo V+ para se obter a matriz de transi/%o, e, a partir
dela, calcular o vetor de probabilidade em regime estacionrio.
ara a previs%o de tend4ncias de gen<tipos para cruzamentos com gen<tipos ,,
deve-se obter o vetor de probabilidades em regime estacionrio.


Este vetor indica $ue, a longo prazo, a tend4ncia da popula/%o, submetida a
sucessivos cruzamentos com gen<tipos ,, 0 ser composta apenas de gen<tipos ,.
!atematicamente este resultado se deve ao fato de a matriz de transi/%o representar
23
"

" - ,
- ,
( 2 "
( ( 2 "
2 ( 2 "
" ( 2 "
= + +
= + +
= + +
= + +




] [ " =
uma cadeia absorvente '5hamblin, #(6(+. ,o ponto de vista da gen0tica, pode-se
comprovar o resultado obtido simulando os sucessivos cruzamentos em cada gera/%o. >a
d0cima gera/%o, apro8imadamente *,#F dos indivduos ter gen<tipo V 'percentual $ue
tende a se anular nas pr<8imas gera/7es+ e nenhum indivduo ter gen<tipo P.
*reis%o de tendncia de gen+tipos utili,ando matri,es aumentadas
9s se/7es anteriores apresentaram modelagens com limita/7es, se.a $uanto S
popula/%o inicial, se.a $uanto a cruzamentos controlados. >esta se/%o ser apresentada
uma modelagem 'baseada nos processos de !ar"ov, mas com algumas
modifica/7es'Boldrini, #()*++ livre destas restri/7es 'Vaetinger e ,ullius,1**J+.
>esta modelagem, 0 necessrio um estudo pr0vio da popula/%o, de forma $ue se
possa estimar as porcentagens de cada gen<tipo na gera/%o corrente. =s gen<tipos ,, V
e P, ter%o esta porcentagem dada por p
d
"
, p
h
"
e p
r
"
, respectivamente.
;ogo, a probabilidade de cruzamento entre indivduos dominantes 0 dada por
p
d
"
p
d
"
. 9 probabilidade de cruzamento entre indivduos recessivos 0 dada por p
r
"
p
r
"
. =
mesmo raciocnio se aplica para o cruzamento entre indivduos hbridos: p
h
"
p
h
"
K a probabilidade de cruzamento entre indivduos dominante e um recessivo deve
levar em conta as duas probabilidades: p
d
"
p
r
"
e p
r
"
p
d
"
'resultando na probabilidade
2 p
d
"
p
r
"
+. ,a mesma forma, o cruzamento entre hbridos e dominantes, e entre
recessivos e hbridos 0 dada, respectivamente, por: 2 p
d
"
p
h
"
e 2 p
r
"
p
h
"
.
Estas probabilidades s%o apresentadas na Tabela 1:
(
Ta*ela 2: Pro*a*ilidades de cru,a'ento entre gen0tipos
:ruzamento robabilidade
DxD
p
d
"
p
d
"
DxH
2 p
d
"
p
h
"

DxR
2 p
d
"
p
r
"

HxH
p
h
"
p
h
"
HxR
2 p
r
"
p
h
"

RxR
p
r
"
p
r
"
9 partir das probabilidades e8ibidas na Tabela # e na Tabela 1, pode-se calcular a
porcentagem de cada um dos gen<tipos na segunda gera/%o.
@ma vez obtidas as porcentagens da segunda gera/%o, pode-se obter as
porcentagens da terceira gera/%o, e, sucessivamente, das pr<8imas gera/7es.
Esta modelagem pode ser bastante &til para 9gricultura na previs%o de resist4ncias
gen0ticas a certos tipos de doen/as e e pesticidas. or0m, ela tamb0m apresenta
algumas limita/7es:
("
[
p
d
2
p
h
2
p
r
2]
=
[
" ,- ,2-
,- " ,- ,-
,2- ,- "
]

[
p
d
"
p
d
"
2 p
d
"
p
h
"

2 p
d
"
p
r
"

p
h
"
p
h
"
2 p
r
"
p
h
"

p
r
"
p
r
"
]
,eve-se levar em considera/%o $ue indivduos de uma gera/%o anterior n%o mais
realizem cruzamentos 'o $ue 0 bastante comum em popula/7es de insetos+
'Vaetinger e ,ullius,1**J+H
,eve-se desconsiderar migra/%o, muta/7es e sele/%o natural, e considerar $ue os
dois se8os aparecem em $uantidades iguais'Boldrini, #()*+H
Estas matrizes n%o representam cadeias de !ar"ov, logo, o regime estacionrio
n%o pode ser obtido. ortanto, os clculos de gera/7es futuras tendem a ser cada
vez mais demorados, uma vez $ue n%o podem ser obtidos diretamente 'Vaetinger
e ,ullius,1**J+H
(2
Bibliogra1ia
89L&2#F#, MosG Lui,% 'lge(ra )inear% S$o Paulo: Nar*ra,"3!
SNAM8L#F, Ma'es E%% *es+uisa ,peracional: uma a(ordagem (-sica% S$o Paulo: Atlas,"313
CAMP9S, M% A%% *ro(a(ilidade .n!ervalar e Cadeias de Markov .n!ervalares no M/*)01%
S8MAC: Tend6ncias e' Mate'tica Aplicada, FO 2 , 22
NAET#FEE2, Claus% &CLL#CS, Madalena% 'lge(ra )inear e 2eome!ria /nal3!ica, 2/, >ttp://
ensino%univates%*r/Pc>aet?Acessado e' "/3/21@
((