UNIVERSIDADE SO JUDAS TADEU

ENGENHARIA

PROCESSO ESTOCSTICO COM TEMPO DISCRETO

1.1

O QUE UM PROCESSO ESTOCSTICO ?

Suponha a observao da caracterstica (X) de um sistema ao longo do tempo. Considere X t

o valor dessa caracterstica em um determinado instante de tempo t, ressaltado que, a varivel t

assume apenas valores discretos (0,1,2,3,...).
O valor da caracterstica tambm denominado estado da varivel.
Em muitas situaes, o estado de X t no conhecido com certeza antes do tempo t e, por
isso, considerado uma varivel aleatria.
O processo estocstico com o tempo discreto , simplesmente, a descrio da relao entre
as variveis aleatrias X o, X 1, X 2, ...
Exemplo 1: A runa do jogador (The gamblers ruim):
No incio do jogo, tempo (t0 ), o jogador tem somente R$2,00. De acordo com as regras do
jogo, o jogador deve apostar apenas R$1,00 por vez. Com probabilidade p o jogador ganha mais
R$1,00 e com probabilidade p-1 o jogador perde R$1,00. O jogo acaba, sem direito a emprstimos
ou prorrogaes quando o jogador tem R$4,00 ou perde tudo.
Considerando-se Xt como a quantidade de capital que o jogador tem em um determinado
instante t, existem 5 estados possveis.
Xt = {0,1,2,3,4}

t=0

t=1

t=2

t=3

X2=4
p

X1 = 3

X4=3

1-p
X0=2

X2=2
p
1-p

1-p
X1 = 1

X4=1
1-p
X2=0

FMORI USJT 2013

Exemplo 2:
Uma urna contm 2 bolas no pintadas. Retira-se por sorteio uma bola da urna e joga-se uma
moeda. Se a bola for no pintada, o que ocorrer obrigatoriamente no primeiro sorteio, e der cara
pinta-se a bola de vermelho, se der coroa pinta-se de verde. Se a bola sorteada for colorida, pinta-se
a bola com a outra cor, ou seja, se for verde, pinta-se de vermelho, se for vermelha pinta-se de verde.
O tempo t definido como o instante em que a bola pintada volta para a urna. O estado a qualquer
tempo pode ser definido pelo vetor (np, vm, vd) onde np o n de bolas no pintadas; vm n de
bolas vermelhas; vd o n de bolas verdes.

t=0

t=1

t=2
vm

(0, 2, 0)

vd

(0, 1, 1)

np
(1, 1, 0)
vm

vm

np

(1, 0, 1)

(2, 0, 0)
(1, 1, 0)
vd

vd
(1, 0, 1)
vd

(0, 0, 2)

np
vm

(0, 1, 1)

Exemplo 3:
Seja X0 o preo da ao da Petrobrs na abertura do prego da Bolsa de Valores. Seja X t o
preo da ao no dia t. O levantamento desses dados permite ter uma idia ao longo do tempo da
distribuio de probabilidade do valor da ao, buscando prever seu valor no tempo t+1.

Um processo estocstico com tempo contnuo simplesmente um processo no qual o estado do

sistema pode ser determinado a qualquer tempo. A rigor, o preo de uma ao na bolsa de valores
ao longo de um dia um processo estocstico com tempo contnuo.

FMORI USJT 2013

1.2

O QUE UMA CADEIA DE MARKOV ?

Um tipo especial de processo estocstico com o tempo discreto uma cadeia da Markov, se

para t = 0,1,2... e todos os outros estados valida a seguinte distribuio:

P (X t+1 = i t+1 | X t = i t , X t-1 = i t-1, ... , X1 = i1 , X 0 = i 0 ) = P ( X t+1 = i t+1 | X t = i t )

O que essa equao nos diz, basicamente que a distribuio de probabilidade em um

estado t+1 depende apenas do estado anterior, (ver diagramas no item anterior).
Assumindo-se essa premissa, pode-se escrever:

P (X t+1 = j | X t = i ) = pij.

Onde pij a probabilidade de transio de i para j, ou seja a probabilidade de ocorrer a

mudana do estado de i para o estado j. Como essa probabilidade permanece constante ao longo do
tempo essa equao freqentemente chamada de hiptese estacionria

Matriz de probabilidade de transio

Na maioria das aplicaes a Cadeia de Markov pode ser representada por uma matriz de
tamanho n x n, denominada matriz de probabilidade de transio.

p11 p 12 ............. p1n

p21 p 22 ............. p2n
P =

pn1 pn2 ............. pnn

Exemplo 4:
Matriz de transio e sua representao grfica do exemplo 1.
Estados possveis: R$ 0; R$ 1; R$ 2; R$ 3 e R$ 4
Probabilidades: ganhar : p
perder : 1-p

$0

$1

$2

$3

$4

$0

$1

1-p

$2

1-p

$3

1-p

$4

FMORI USJT 2013

Representao grfica:
p

1
1

1-p

1-p

1-p

Exemplo 5:
Determinar a matriz de transio e sua representao grfica do exemplo 2.

2, 0, 0

1, 0, 1

1, 1, 0

0, 0, 2

0, 2, 0

0, 1, 1

(2 0 0) (1 0 1) (1 1 0) (0 1 1) (0 2 0) (0 0 2)
(2 0 0)

(1 0 1)

(1 1 0)

(0 1 1)

(0 2 0)

(0 0 2)

FMORI USJT 2013

EXERCCIOS

1.3

Em Smalltown, 90 % dos dias ensolarados so seguidos por dias ensolarados e 80%

dos dias nublados so seguidos por dias nublados. Use essa informao para modelar o
tempo em Smalltown como uma cadeia de Markov ( diagrama e matriz de transio).
Considere o consumo e a reposio em um sistema de estoque no qual a seqncia de
eventos em cada perodo como se segue: (1) O nvel do estoque i observado no
incio do perodo; (2) se i 1 sero comprados (2 i) unidades para repor o
estoque, que sero entregues pelo fornecedor imediatamente, se i 2 nenhuma
unidade comprada; (3) as probabilidades de diminuio de estoque (consumo) no
perodo so as seguintes: no haver consumo igual a 1/3, consumo de uma unidade
igual a 1/3 e consumo de duas unidades igual a 1/3; e (4) o nvel do estoque
observado no incio do prximo perodo.Seja o estado do perodo o nvel do estoque
no seu incio. Determine a matriz de transio ( e o diagrama) que pode ser usada para
modelar esse sistema de estoque como uma cadeia de Markov.

PROBABILIDADE DE TRANSIO DE N-PASSOS:

Suponha uma cadeia de Markov com matriz de probabilidade de transio conhecida.

Pergunta-se: Se a cadeia de Markov est no estado i no tempo m, qual a probabilidade que n

perodo depois a cadeia de Markov esteja no estado j ?

Repare que a probabilidade ser

independente de m, portanto:

P ( X m + n = j | X m = i ) = P ( X n = j | X 0 = i ) = Pij (n)

Onde Pij (n) chamada probabilidade n-passos.

1
pi1

p1j

2
pi2

pik

p2j

pkj

K
pis

psj

Tempo m
FMORI USJT 2013

Tempo m + 1

Tempo m + 2
5

Pij (2) = (pi1 x p1j) + (pi2 x p2j) + ... + (pik x pkj) + ... + (pis x psj)
k s

Pij (2) =

(probabilidade da transio de i para k ) x (probabilidade de transio de k para j)

k 1

k s

Pij (2) =

pik x pkj

k 1

Exemplo 6:
Imagine que toda a indstria de colas produza apenas 2 colas ( Coca-cola e Pepsi-cola) Se a
ltima compra foi da cola 1 existe 90% de chance da prxima compra ser de cola 1. Se a ltima
compra foi da cola 2 existe 80% de chance da prxima compra ser da cola 2.

Se uma pessoa consumidora de cola 2, qual a probabilidade de daqui a 2 compras ela

compre cola 1?

Se uma pessoa consumidora de cola 1, qual a probabilidade de daqui a 3 compras ela

compre cola 2?

0,1
Cola
1

0.9

Cola
2

0.8

0,2

Matriz de transio P
Cola 1 Cola 2

P2

Cola 1 0.9

0.1

Cola 2 0.2

0.8

0.9

0.1

0.2

0.8

Tabela:
FMORI USJT 2013

0.9

0.1

0.2

0.8

P11(n)

P12(n)

P21(n)

P22(n)

0.90

0.10

0.20

0.80

P2

0.83

0.17

0.34

0.66

P3

0.78

0.22

0.44

0.56

P4

0.75

0.25

0.51

0.49

P5

0.72

0.28

0.56

0.44

P10

10

0.68

0.32

0.65

0.35

P20

20

0.67

0.33

0.67

0.33

P30

30

0.67

0.33

0.67

0.33

P40

40

0.67

0.33

0.67

0.33

EXERCCIOS

Uma empresa tem duas mquinas. Cada mquina que comeou o dia trabalhando tem
uma chance igual a 1/3 de quebrar. Se a mquina quebra durante o dia, ela enviada
para reparo e estar trabalhando novamente dois dias depois. (assim, se a mquina
quebrou no dia 3, voltar a trabalhar no incio do dia 5). Se o estado do sistema o
nmero de mquinas trabalhando no incio do dia, formule a matriz de probabilidade
de transio (e o diagrama) para essa situao.

A localizao da moradia de cada famlia americana classificada pelos seguintes

tipos: no permetro urbano, no subrbio ou na zona rural. Durante um determinado
ano, 15% de todas as famlias urbanas mudou para o subrbio e 5% mudou para a zona
rural; tambm, 6% de todas as famlias suburbanas mudaram para a cidade e 4%
muram-se para a zona rural; finalmente, 4% de todas as famlias da zona rural
mudaram-se para a cidade e 6% para o subrbio.
(a) Se uma famlia mora na cidade, qual a probabilidade de daqui a dois anos essa
famlia permanecer onde mora? E de se mudar para o subrbio? E para a zona
rural?
(b) Suponha que nesse momento 40% das famlias vivam na cidade, 35% no subrbio
e 25 % na zona rural. Daqui a dois anos, qual ser o percentual de famlias
americanas vivendo na cidade?
(c) Quais problemas podem ocorrer se esse modelo for usado para predizer a
distribuio futura da populao na Amrica?

Esta questo se refere ao exemplo do jogo Runa do Jogador:

(a) Depois de duas jogadas qual a probabilidade do jogador ter R$ 3? E ter R$ 2?
(b) Depois de jogar trs vezes qual a probabilidade do jogador ter R$ 2?

FMORI USJT 2013

1.4

CLASSIFICAO DO ESTADO DE UMA CADEIA DE MARKOV

Seja a seguinte cadeia:

.4

.6

.5

.5

.3

.7

.5

.4

.1

.8

.2

0,6
0,4

0,5

0,5
S1
Definies:

0,7
0,3

0,1
0,4
0,5

0,2
0,8

5
S2

1) Caminho de i at j a seqncia de transies que comea em i e acaba em j, de tal modo que

cada transio da seqncia tem uma probabilidade positiva de ocorrncia.

2) Em um estado j alcanvel do estado i se houver um caminho os unindo.

3) Dois estados so comunicantes se j alcanvel de i e i alcanvel de j.

Assim, no exemplo, o estado 5 alcanvel do estado 3 usando o caminho 3, 4 e 5, e vice-versa.
Repare que, entretanto, o estado 5 no alcanvel do estado 1, pois no h caminho, portanto
no so comunicantes.
Os estados 1 e 2 tambm so comunicantes.

FMORI USJT 2013

4) Um conjunto de estados S em uma cadeia de Markov um conjunto fechado se nenhum estado

fora S alcanvel de quaisquer estado S.
O conjunto dos estados S1 = {1 e 2} um conjunto fechado, assim como o conjunto dos estados
S2 = {3, 4 e 5}.

5) Um estado i um estado absorvente se Pii = 1.

Quando se entra em um estado absorvente no possvel sair dele. No exemplo 1, da runa do
jogador, os estados 0 e 4 so estados absorventes.

6) Um estado i um estado transiente se existe um estado j que alcanvel de i, mas o estado i

no alcanvel do estado j.
No exemplo da runa do jogador os estados 1, 2 e 3 so transientes, porque, por hiptese,
estando-se no estado 2 possvel, por meio de 3, alcanar o estado 4, e nesse caso no possvel
voltar-se a 2.
No limite, a probabilidade de estar-se em um estado transiente zero.

7) Se um estado no transiente ele chamado recorrente, ou seja, sempre possvel voltar ao

estado de onde se saiu.
No exemplo deste item os estados 1, 2, 3, 4 e 5 so recorrentes. No exemplo 1, da runa do
jogador os estados 0 e 4 so ambos recorrentes e absorventes.
8) Um estado i perodico com perodo K, se K (obrigatoriamente, inteiro > 1) o menor nmero de
modo que todos os caminhos que levam de volta ao estado i tem um comprimento que mltiplo
de K. Um estado recorrente pode ser peridico ou no peridico.

K = 3, pois, partindo de
qualquer estado, a volta quele
estado ocorre sempre aps 3
passos.

9) Se todos estados de uma cadeia de Markov so recorrentes, no perodicos e comunicantes a

cadeia chamada de Ergdica. No exemplo da runa do jogador a cadeia no ergdica.

FMORI USJT 2013

Cadeia Ergdica

2
P1 =

1/3

2/3

1/2

1/2

1/4

3
Cadeia No-ergdica

2
P2 =

EXERCCIOS:

Considere a matriz de transio P abaixo:

(a) Quais os estados transientes?
(b) Quais os estados recorrentes?
(c) Identifique os conjuntos de estados fechados
(d) uma cadeia ergdica?

P=

FMORI USJT 2013

0
0
0
1/4
1
0

0
0
0
1/4
0
1/3

1
0
0
0
0
0

0
0
0
1/2
0
0

0
0
1
0
0
0

0
1
0
0
0
2/3

10

Para cada uma das seguintes cadeias, determine se as cadeias de Markov so

ergdicas. Para cada cadeia tambm determine os estados recorrentes, transientes e
absorventes
0
.3
.4

P1 =

.8
.7
.5

.2
0
.1

P2 =

.2
0
.4
0

.8
0
.5
0

0
.9
.1
0

0
.1
0
1

Cinquenta e quatro jogadores participaram em 1980 da Srie Mundial de Poker. Cada

jogador comeou com $10.000,00. A disputa continuou at que um jogador tivesse
ganho o dinheiro de todos os outros. Se a Srie Mundial de Poker fosse modelada
como uma cadeia de Markov, quantos estados absorventes a cadeia teria?

1.5

PROBABILIDADE DE STEADY-STATE

Obs: Pode-se traduzir Steady-State como estado permanente, constante, firme ou regular.

Como visto no exemplo da cola (ver tabela na seo 1.3), existe para o valor das
probabilidades de mudana de estado uma tendncia de assumirem um valor constante aps um
certo nmero de transies de estado. As probabilidades do Steady-State podem ser usadas para
descrever o comportamento de uma cadeia de Markov aps longo tempo.

Teorema
Seja P uma matriz de transio para uma cadeia ergdica com S estados. Ento existe um
vetor
X = { X 1, X 2 , ... , X S} , tal que:

lim Pn =

X1

X2 ... XS

X1

X2 ... XS

..
X1

..

..

X2 ... XS

Como o ij-simo elemento de P

Pij (n), ento

lim Pij (n) = Xj

Repare que quando n as filas da matriz se tornam idnticas. Isso significa que aps um
longo tempo as probabilidades da Cadeia de Markov estabilizam-se, independentemente do estado
inicial, existindo assim uma probabilidade Xj de estarmos no estado j.
O vetor X = { X 1, X 2 , ... , X S} chamado de distribuio do estado permanente (steadystate) ou distribuio equilibrada.
FMORI USJT 2013

11

Determinao do steady state.

Quando n um nmero grande e para todos os i, temos que:
Pij (n+1) Pij (n) Xj (1)
Como Pij (n+1) igual ao produto (fila i de Pn) (coluna j de P), podemos escrever:
k s

Pij (n+1)

Pik (n) pkj

(2)

k 1

Substituindo (1) em (2), podemos escrever:

k s

Xj =

Xk pkj

k 1

Na forma matricial:
X = XP
Para obter uma soluo nica desse sistema de equaes, temos que considerar que:
X1 + X2 + ... + XS = 1

Exemplo 7:
Seja a probabilidade da Cola:

P =

0.9

0.1

0.2

0.8

Do teorema temos:
[X1 X2] = [ X1 X2]

0.9 0.1
0.2 0.8

Multiplicando:
X1 = 0.9 X1 + 0.2 X2 -0.1 X1 + 0.2 X2 = 0
X2 = 0.1 X1 + 0.8 X2
Substituindo a segunda linha, por:
X1 + X2 = 1
E resolvendo o sistema:
-0.1 X1 + 0.2 X2 = 0
X1 + X2 = 1
Temos:

X1 = 0.66

X2 = 0.33

ANLISE TRANSIENTE
Observando-se a tabela do exemplo da cola, na seo 1.3, percebe-se que o estado
permanente atingido, com uma preciso de duas casas, depois de apenas dez trasies. No
existe uma regra geral que permita determinar em quantos n passos o estado permanente de uma
cadeia de Markov ser alcanado. O comportamento de uma cadeia de Markov antes de alcanar o
estado permanente chamado de comportamento transiente.

FMORI USJT 2013

12

Exemplo 8:
Suponha que em toda semana do ano cada consumidor de cola compre uma unidade (1ano =
52 semanas). Suponha que existam 100 milhes de consumidores. Cada unidade de cola custa para
a companhia R$ 1 e vendida por R$ 2. Por R$ 500 milhes ao ano a empresa de marketing
Vendemos Tudo garante que decresce de 10 % para 5 % a frao de consumidores de cola 1 que
trocam para cola 2 na compra da semana seguinte. Deveria a companhia que fabrica cola 1 contratar
a empresa Vendemos Tudo.

EXERCCIOS

Determine o steady-state para o problema n4 dessa lista (do local de moradia)?

10

Para o exemplo do jogo a Runa do Jogador, por que no razovel falar em

probabilidades do steady-state ?

11

No incio de cada ano meu carro est em uma das seguintes condies: bom, razovel
ou quebrado. Um carro bom, no incio do ano seguinte, ter uma probabilidade de .85
de estar na condio bom, .10 na condio razovel e .05 na condio quebrado. Um
carro razovel, no incio do prximo ano, ser um carro razovel com probabilidade de
.70 e ser um carro quebrado com probabilidade de .30. Um carro novo, no estado
bom, custa $6.000,00, um carro razovel pode ser dado como entrada pelo valor de
$2.000,00. Um carro quebrado no tem valor de troca e deve ser reposto
imediatamente por um carro novo. Se custa $1.000,00 por ano operar um carro bom e
$1.500,00 operar um carro razovel. O que devo fazer? Trocar meu carro assim que
tornar-se razovel ou esperar que atinja a condio quebrado, para ento fazer a troca?
Assuma que o custo de operao de um carro depende da sua condio no incio do
ano, isso se no houver troca, se um carro novo for comprado, durante o ano, assuma,
ento, que o custo de operao o do carro no estado bom.
(Dica: os clculos devem ser feitos duas vezes, uma para a troca na condio razovel,
outro para a troca na condio quebrado, compare os resultados)

1.6

CADEIAS ABSORVENTES
Muitas aplicaes interessantes de cadeias de Markov envolvem cadeias com estados

absorventes e transientes. Essas cadeias so chamadas de Cadeias Absorventes. Para mostrar o

que essas cadeias tem de interessante, mostra-se os seguintes exemplos:

Exemplo 9: Contas a Receber

A situao da firma S Falta Apagar as Luzes das contas a receber pode ser modelada
como uma cadeia de Markov. Suponha que a firma assuma que uma conta com mais de 3 meses de
atraso uma conta considerada perdida pela contabilidade. No incio do ms as contas a receber so
classificadas em um dos seguintes estados:
FMORI USJT 2013

13

Estado 1:

Conta nova.

Estado 2:

Conta com 1 ms de atraso no pagamento.

Estado 3:

Conta com 2 meses de atraso no pagamento.

Estado 4:

Conta com 3 meses de atraso no pagamento.

Estado 5:

Conta recebida.

Estado 6:

Conta considerada perdida.

Considere que a matriz de transio a seguir descreve como os estados da cadeia de Markov
mudam.

Nova

1 ms

2 meses

3 meses

Recebida

Perdida

Nova

.6

.4

1 ms

.5

.5

2 meses

.4

.6

3 meses

.7

.3

Recebida

Perdida

Assim, por exemplo, uma conta no incio do ms com 2 meses de atraso tem uma
probabilidade de 0.4 de continuar atrasada e uma probabilidade de 0.6 de ser recebida pela firma.
Depois que a conta foi recebida ou considerada como perdida, no ocorrem mais transies.
Portanto os estados 5 e 6 so considerados absorventes e os outros estados transientes.
Para uma conta nova existem dois estados finais possveis: ou ser recebida ou ser perdida.
A questo de maior interesse : Qual a probabilidade de uma conta nova ser recebida?

FMORI USJT 2013

14

Exemplo 10: Escritrio de advocacia Resolvemos Qualquer Parada.

O escritrio classifica seus advogados em 3 tipos de: junior, senior e associado. Modelando a
carreira de um advogado dentro da firma como uma cadeia de Markov, alm dos 3 estados citados,
existem dois estados absorventes a saber: o advogado deixa a firma como saiu no associado ou o
advogado deixa a firma como saiu associado. No admitida a hiptese de retorno de um advogado
aps sua saida.
A matriz de transio abaixo mostra as probabilidades de mudana de estado dentro da firma.

t+1

Junior

Senior

Associado

Saiu No

Saiu

Associado

Associado

Junior

.80

.15

.05

Senior

.70

.20

.10

Associado

.95

.05

Saiu No

Associado
Saiu
Associado

Deseja-se saber, de um modo geral, para Cadeias de Markov: (a) Se a cadeia comea em um
dado estado transiente, antes de atingir-se um estado absorvente, qual o nmero esperado de
vezes que cada estado ser alcanado? Qual o nmero esperado de perodos que so passados em
um determinado estado transiente antes que um estado absorvente seja alcanado? (b) Se a cadeia
comea em um dado estado transiente, qual a probabilidade de se alcanar cada um dos estados
absorventes?
Para responder a essas questes, necessita-se escrever a matriz de transio com os
estados na seguinte ordem: primeiro os estados transientes e depois os absorventes. Para o bem da
conceitualizao, assumiremos que existem s estados, sendo m estados absorventes e s-m
estados transientes. Ento a matriz de transio pode ser escrita da seguinte forma:

FMORI USJT 2013

s-m colunas

m colunas

s-m filas

m filas

15

Onde:
Q uma matriz s-m X s-m que representa as transies dos estados transientes para os
estados transientes.
R uma matriz s-m X m que representa as transies dos estados transientes para os
estados absorventes.
0 uma matriz m X s-m composta inteiramente de zeros, j que no possvel passar de um
estado absorvente para um estado transientes.
I uma matriz identidade m X m que representa o fato que no existe saida de um estado
absorvente.
Para o exemplo das contas a receber Q e R so:

Q=

0
0
0
0

.6
0
0
0

0
.5
0
0

0
0
.4
0

R=

.4
.5
.6
.7

.0
0
0
.3

Para o exemplo do escritrio de advocacia Q e R so:

Q=

FMORI USJT 2013

.80
0
0

.15
.70
0

0
.20
.95

R=

.05
.10
0

0
0
.05

16

12

A secretaria da Escola Tcnica, classificou seus alunos do curso de Tcnico em

Telecomunicaes, com durao de 4 anos, em calouros, junior, senior, formando,
abandono (sem direito a retorno) e formado, de acordo com uma cadeia de Markov:

calouro
junior
senior
formando
abandono
formado

calouro
.10
0
0
0
0
0

junior
.80
.10
0
0
0
0

senior
0
.85
.15
0
0
0

formando
0
0
.80
.10
0
0

abandono
.10
.05
.05
.05
1
0

formado
0
0
0
.85
0
1

Essa classificao feita no incio de cada ano. Assim, por exemplo, um estudante senior tem
80% de chances de se tornar um formando, e 15% de chances de ser reprovado e permanecer
como senior, no incio do prximo ano. Pergunta-se:
a) Qual o tempo mdio esperado de permanncia na escola de um aluno que entrou como
calouro?
b) Qual a probabilidade de um calouro conseguir se formar?
13
A Tribuna de Petrpolis determinou as seguintes estatsticas a respeito de seus
assinantes: durante o primeiro ano 20% dos assinantes cancelam suas assinaturas, durante o
segundo ano mais 10% dos assinantes do primeiro ano iro cancelar suas assinaturas e a cada
ano seguinte 4% dos assinantes do primeiro ano iro cancelar as assinaturas
do jornal.
Na mdia, quanto tempo um leitor permanece como assinante?
RESPOSTAS DOS EXERCCIOS
1 MATRIZ 2x2
2 MATRIZ 5x5
3 MATRIZ 3x3
4 a - .651, .258, .091
4 b 0,315
4 c - RESPOSTA LITERAL
5 a R$ 3 = p2, p(1-p) e 0
R$ 2 = 2p (1-p) e 0
5 b - R$ 2 = 2p2 (1-p), 2p (1-p) 2 e 0
6 d - no ergdica, o porque fica com voc.
7 P1 ergdica, P2 no ergdica.
8
9 [.21 ; .50 ; .29 ]
10
11 Custo de trocar na condio quebrado R$ 1800,00
Custo de trocar na condio razovel R$ 1700,00
1 a - 3,97 anos b .75
2 19,8 anos

FMORI USJT 2013

17