Professional Documents
Culture Documents
Cadeias de Markov
1. Introduo
Nestas notas de aula sero tratados modelos de probabilidade para processos que
evoluem no tempo de maneira probabilstica. Tais processos so denominados Processos
Estocsticos.
1.2. Processos Estocsticos
Um Processo Estocstico definido como uma coleo de variveis randmicas
(X(t)) indexadas por um parmetro t pertencente a um conjunto T. Freqentemente T
tomado para ser o conjunto dos inteiros no-negativos (porm, outros conjuntos so
perfeitamente possveis) e X(t) representa uma caracterstica mensurvel de interesse no
tempo t. Exemplificando, X(t) pode representar o nvel de estoque de um produto no fim da
semana t.
Processos Estocsticos 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.
Portanto, pode-se afirmar que X(t) definido em um espao denominado Espao de
Estados.
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.
Existem vrios "tipos" de Processos Estocsticos, porm, nestas notas de aula ser
apenas abordado um tipo de Processo Estocstico denominado Processo Markoviano.
2. Processos Markovianos
Um Processo Estocstico dito ser um Processo Markoviano se:
P{X( t k +1 ) x k +1 X( t k ) = x k , X ( t k 1 ) = x k 1 ,..., X( t 1 ) = x 1 , X( t 0 ) = x 0 } = P{X ( t k +1 ) x k +1 X ( t k ) = x k }
e toda seqncia
(1)
k 0 , k 1 ,..., k t 1 , k t , k t +1
I
II
III
uso residencial
uso comercial
uso industrial
30%
20%
50%
(2)
(3)
de I
de II
de III
(0)
(4)
(1)
(5)
(0 )
(6)
seqncia 0,1,..., k 1, k , k + 1
(7)
seqncia 1,2,..., k 1, k, k + 1
(8)
seqncia 1,2,..., k 1, k, k + 1
(9)
e
p ij( n ) = P{X(k + n ) = j X(k ) = i}
(10)
p ij( n ) 0
(11)
e
M
p
j= 0
(n)
ij
=1
(12)
i; n = 0,1,2,...
Estado 0
1 ... M
(
n
)
0
p 00 p (01n ) . . . p (0nM)
(n)
(n ) . . .
n)
1
p 10
p 11
p 1( M
.
M
p (Mn )0
p (Mn1)
... .
n)
. . . p (MM
p (01n )
(n )
p 11
...
p (Mn 1)
p (0nM)
p 1(nM)
...
...
(
n)
... p MM
...
...
(13)
se X t = 0
se X t 1
para t = 0, 1, 2, . . .
(14)
( )r e
(15)
r!
onde:
a mdia da distribuio
A varincia de P(r) tambm.
Exemplo:
O nmero mdio de defeitos em laminas de vidro 5. A probabilidade que a lamina
tenha 6 defeitos :
P(6) =
(5)6 e 5
6!
= 0.146
(16)
1n e 1
, para n = 0, 1,...
n!
(17)
(18)
P{D t +1 = 1} = e 1 = 0.368
(19)
P{D t +1 = 2} =
e 1
= 0.184
2
(20)
(21)
P(D t +1 3) = 0.080
(22)
p01
X t = 0 e X t +1 = 1 1 = max(3 D t+1 ,0)
P(D t +1 = 2) = 0.184
(23)
p10
X t = 1 e X t +1 = 0 0 = max(1 D t+1 ,0)
(24)
p12
X t = 1 e X t +1 = 2 2 = max(1 D t+1 ,0)
P(D t +1 = 1) = 0
(25)
0.080
(26)
(27)
k =0
i = 0,1,..., M
j = 0,1,..., M
e qualquer m = 1, 2, ..., n-1
e qualquer n = m+1, m+2, ....
Em notao matricial, a expresso (27) fica:
P ( n ) = P m .P n m
onde:
(28)
10
P (n ) = P n
0.080
0.286
0.252
0.319
0.286
0.300
0.233
0.233
0.300
(31)
(1)
0.080
0.632
= (0) .P = [0 0 0 1].
0.264
0.080
(32)
( 2)
0.249
0.283
= (0) .P 2 = [0 0 0 1].
0.351
0.249
(33)
11
0.165 (30)
0.233
0.097
0.165
0
1
0
1
1 p
0
0 1 p
0
0
2 3
0 0
p 0
0 p
0 1
(34)
12
0
1
4
1
2
0
0
1
3
1
2
4
2
0
0
0
0
0
1
1
3
0
0 0
0 0
2
0
3
0 0
0
(35)
13
P=
0
1
2
3
0
1
2
1
2
0
0
1
2
1
2
2
1
2
1
2
0
3
1
2
1
2
0
(36)
2.5
estado
1.5
0.5
10
20
30
40
50
60
tempo (passo)
70
80
90
100
14
Conjunto
Fechado
Estado
Absorvente
Estado
Recorrente
Estado
Peridico
Estado
Transiente
Estado
Ergdico
Cadeia
Irredutvel
Cadeia
Absorvente
Cadeia
Ergdica
0.080
(37)
15
0.249
(38)
n=4
0.289
0.282
P (4 ) =
0.284
0.289
(39)
n=8
0.286
0.286
P (8 ) =
0.286
0.286
0.285
0.285
0.285
0.285
0.264
0.264
0.264
0.264
0.166
0.166
0.166
0.166
(40)
16
1
estado 0
estado 1
estado 2
estado 3
0.9
0.8
0.7
probabilidade do estado
probabilidade do estado
0.8
0.6
0.5
0.4
0.3
0.7
0.6
0.5
0.4
0.3
0.2
0.2
0.1
0.1
3
4
tempo (passo)
estado 0
estado 1
estado 2
estado 3
0.9
1
estado 0
estado 1
estado 2
estado 3
0.9
0.8
0.8
0.7
0.6
0.5
0.4
0.3
0.7
0.6
0.5
0.4
0.3
0.2
0.2
0.1
0.1
0
3
4
tempo (passo)
estado 0
estado 1
estado 2
estado 3
0.9
probabilidade do estado
probabilidade do estado
3
4
tempo (passo)
3
4
tempo (passo)
(41)
j = i p ij
para
j = 0,1,2,..., M
(42)
i =0
(n )
O lim p ij pode tambm existir mesmo para Cadeias No Irredutveis e/ou No Ergdicas (ver Tabela 4).
n
17
j= 0
=1
para
j = 0,1,2,..., M
(43)
2
0 02
1 12
2 22
3 p 32
= p + p + p + p
0 03
1 13
2 23
3 33
3
1 = 0 + 1 + 2 + 3
(44)
(
)
0
p
p
p
1
=
0 02
1 12
2
22
3 p 32
0 = p + p + p + (p 1)
0 03
1 13
2 23
3 33
1 = 0 + 1 + 2 + 3
(45)
0 = 0 0.368 + 3 (0.368 1)
1 = 0 + 1 + 2 + 3
(46)
= [ 0
(47)
18
P ( )
( ) 0
( )
= ( ) = 0
0
( )
0
1
1
1
1
2
2
2
2
3 0.286
3 0.286
=
3 0.286
3 0.286
0.285
0.285
0.285
0.285
0.263
0.263
0.263
0.263
0.166
0.166
0.166
0.166
(48)
(49)
(50)
Observao Importante1: como j citado, cabe neste momento ressaltar que P(n) s pode ser
obtida como na expresso (48) somente se a Cadeia de Markov Ergdica Irredutvel, o
que garante que todas as linhas de P(n) so idnticas.
No entanto, o mtodo de se elevar a matriz de transio P a n-sima potncia para se
determinar P(n) sempre vlido, apesar de no haver necessidade que todas as linhas de P(n)
sejam idnticas mesmo para n . O seguinte exemplo deixa claro esta ressalva.
Exemplo: Uma Cadeia de Markov possui a seguinte matriz de transio P(1):
0
0
1
P (1) = 0
1
0
0.3 0.2 0.5
(51)
P ( 2)
( 3)
( 4)
0
0
1
= 0
1
0
0.45 0.30 0.25
(52)
0
0
1
= 0
1
0
0.525 0.350 0.125
(53)
0
0
1
= 0
1
0
0.5625 0.3750 0.0625
(54)
:
:
19
()
0 0
1
= 0
1 0
0.6 0.4 0
(55)
0
2
2 .5
1 = 0 + 1 + 2
(56)
(57)
p
j=1
ij
=1
i = 1,2,..., M
ij
=1
(58)
e
M
p
i =1
(59)
j = 1,2,..., M
esta matriz dita ser uma matriz Duplamente Estocstica e neste caso, para P irredutvel,
tem-se:
lim p ij(n ) =
n
1
M
(60)
i, j = 1,2,..., M
Consideraes matemticas:
A equao vetorial em (42), pode ser dada em notao reduzida por:
0.5 0.5 0
1
P = 0.5 0.5 0 duplamente estocstica, mas lim p ij(n )
n
3
0
0 1
i, j = 1,2,3 porque P no
Irredutvel.
20
= P
sendo:
(61)
um vetor linha; e
P uma matriz quadrada.
Equivalentemente, a expresso (61) pode ser escrita por:
(62)
P t t = t
sendo:
t o operador transposto.
A expresso (62) pode ser entendida como um problema de auto-valor, que implica
em Pt ter um auto-valor igual a 1.
O problema de auto-valor fica ento:
(P
(63)
I t = 0;
0.368
0
0
0.368
0
0 0 0 0 0
1 0 0 1 0
=
.
0 1 0 2 0
0 0 1 3 0
(64)
A soluo :
Ax = x (A I )x = 0
sendo:
um auto-valor;
x um auto-vetor associado ao auto-valor ; e
I a matriz identidade.
21
0
0
0
0
0
0
(65)
AutoVetor =
0.5165 0.1508 0.3989i
0.1508 + 0.3989i
0
0.6030
0.6030
0.7071
0.3264
O auto-vetor associado ao auto-valor = 1 :
(66)
0.5606
0.5590
t =
0.5165
0.3264
(67)
Que por sua vez, normalizado para a soma dos seus elementos ser igual a 1 :
0.5606 0.2856
1 0.5590 0.2848
t
=
=
1.9625 0.5165 0.2631
0.3264 0.1663
(68)
1 0 0.3
1 0 0 0 0
0 1 0.2 .0 1 1 . 1 = 0
0 0 0.5
0 0 1 2 0
(69)
A soluo :
1 0 0
AutoValor = 0 1 0
0 0 0.5
(70)
22
(71)
1 0 0.4867
AutoVetor = 0 1 0.3244
0 0 0.8111
existir.
Exemplo: a seguinte matriz de transio P
Estado
0
P=
1
0 1
0
1
1 0
(72)
No entanto, o seguinte limite sempre ir existir para uma Cadeia de Markov Irredutvel
(estado finito):
(73)
1 n
lim p ij(k ) = j , i
n n
k =1
para calcular o Custo Mdio a Longo Perodo por Unidade de Tempo associado
Cadeia de Markov.
Supondo que um custo seja determinado apenas em funo do estado da Cadeia de
Markov, ou seja, C(Xt) a funo de custo. Nota-se que esta funo uma varivel
randmica que assume os valores C(0), C(1),..., C(M), onde E = [0, 1,..., M] o espao de
estados do processo e que C() , portanto, independente de t. O custo mdio esperado para
os n primeiros perodos dado por:
1 n
C = E C(X t )
n
t =1
(74)
Atravs de (73), pode-se demonstrar que o Custo Mdio por Unidade de Tempo
associado Cadeia de Markov dado por:
23
(75)
Exemplo: a funo de custo para o exemplo do estoque da loja de cmeras dada por:
0
2
C(X t ) =
8
18
se X t = 0
se X t = 1
se X t = 2
se X t = 3
(76)
(77)
O valor da expresso (77) o custo mdio esperado do estoque por semana. Outro
resultado interessante obtido para a seguinte funo de custo:
1 se X t = j
C(X t ) =
0 se X t j
(78)
24
Ergdica
No ergdica
Irredutvel
todos os estados so
comunicantes
lim p ij(n ) = j , i
independe de 0
Exemplo:
0.080
0.632
P=
0.264
0.080
a existncia de ao menos um
estado transiente implica em
haver estados que no so
comunicantes. Portanto, no
existe cadeia irredutvel
com um ou mais estados
transientes.
independe de 0
lim p ij(n )
n
lim p ij(k ) = j , i
n n
k =1
Exemplo:
0 1
P=
1 0
= [0.5 0.5] ,
lim
No
Irredutvel
ao menos um estado
no comunicante com
ao menos algum outro
estado
Caso 1:
depende de 0
mas j , i
lim p (ijn ) mas j , i
depende de 0
lim p ij(n )
n
Exemplo:
0
0.5 0.5 0
0.5 0.5 0
0
P=
0
0 0.5 0.5
0 0.5 0.5
0
Cadeia
ergdica,
mas
estados 0 e 1 no so
comunicantes com estados
2 e 3.
Exemplo:
0
0
0.5 0.5 0
0.5 0.5 0
0
0
0
0 0.5 0.5
0
0
0
0 0.5 0.5
Estado 2 transiente e no
comunicante com estados
0,1, 3 e 4.
Caso2:
independe de 0
mas
p ij(n )
depende de 0
lim pij(n )
n
Exemplo:
0
0
P = 1
0
0
1 0 0 0
0 1 0 0
0 0 0 0
0 0 0 1
0 0 1 0
Estados 0, 1 e 2 possuem
perodo T=3 e estados 3 e 4
possuem
perodo
T=2.
Estados 0, 1 e 2 no so
comunicantes com estados 3
e 4.
lim p ij(n ) = j , i
n
Exemplo:
0
0
0
1
0.5 0 0.5 0
P=
0 0.5 0 0.5
0.5 0 0.5 0
Estado 0 no comunicante
com demais e estados 1, 2 e
3 so transientes.
2.6 Custo Mdio Esperado por Unidade de Tempo para Funes de Custo Complexas
25
1 n
M
lim E C(X t , D t + m ) = K ( j). j
n n t =1
j= 0
onde:
K ( j) = E[C( j), D t + m ]
(80)
1 n
M
lim C(X t , D t + m ) = K ( j). j
n n t =1
j= 0
O Tempo de Primeira Passagem pode ser entendido como o tempo demandado para
o processo atingir o estado j a partir do estado i. Quando j = i, o Tempo de Primeira
Passagem simplesmente o nmero de passos (transies) para o processo retornar ao
estado inicial i. Neste caso, denomina-se Tempo de Recorrncia para o estado i.
Retomando o exemplo do estoque da loja de cmeras, o estado do estoque para as
seis primeiras semanas :
X0 = 3
X1 = 2
X2 = 1
X3 = 0
X4 = 3
X5 = 1
f ij(1) = p ij(1) = p ij
(82)
26
(83)
f ij(2 ) = p ik f kj(1)
k j
:
:
(84)
f ij(n ) = p ik f kj(n 1)
k j
f 30(1) = p 30 = 0.080
(85)
(86)
(87)
f ( ) 1
n =1
ij
Se f ij(n ) < 1 implica que processo inicialmente no estado i, pode nunca alcanar o
n =1
estado j. Quando
f ( ) = 1,
n
n =1
ij
f ij(n )
ij =
nf ij(n )
n =1
se
se
(88)
(n )
f ij < 1
n =1
(n )
f ij = 1
n =1
Sempre quando
f ( ) = 1,
n =1
ij
ij
ij = 1 + p ik kj
(89)
k j
27
(90)
20 = 1 + p 21 10 + p 22 20 + p 23 30
10 = 1 + p 1110 + p 12 20 + p 13 30
(91)
20 = 1 + 0.368 10 + 0.368 20
10 = 1 + 0.36810
(92)
20 = 2.51 semanas
30 = 3.50 semanas
Assim, o tempo esperado para o estoque ficar vazio, a partir de estar cheio de 3.50
semanas.
Quando i = j, jj o Tempo de Recorrncia Esperado para o estado j. De posse
das probabilidades de estado estveis j, o Tempo Esperado de Recorrncia pode ser
calculado como:
jj =
1
j
para
j = 0,1,..., M
(93)
00 =
(94)
(95)
(96)
(97)
28
(98)
1
f
onde:
T perodo;
f freqncia.
A interpretao da expresso (93) como a expresso (98) possvel porque jj o
perodo (tempo) esperado de recorrncia. Com isso pode-se concluir que as probabilidades
de estados estveis j podem ser entendidas tambm como freqncias dadas em
ciclos/unidade de tempo.
A unidade de tempo no caso de Cadeia de Markov em tempo discreto passo,
assim a freqncia esperada de recorrncia dos estados dada em ciclos/passo.
Uma vez que o menor perodo de recorrncia para um estado 1 (devido a
considerao de tempo discreto), a maior freqncia possvel 1 ciclo/passo.
Exemplo: uma Cadeia de Markov originou o seguinte vetor de distribuio de
probabilidades a longo perodo:
= [ 0
(99)
e
e
e
e
29
f ik = p ijf jk
para i = 0,1,..., M
(100)
j= 0
sujeito as condies:
f kk = 1
(101)
f ik = 0 se i um estado recorrente e i k
0
1
2
3
0
1
0
0
2
3
0
0
2
0
1
3
0
2
3
0
3
0
0
1
3
0
0
4
0
0
0
1
3
1
(102)
(103)
30
(104)
Nota-se em (104) que se tem uma equao e trs incgnitas (f10, f20, f30). Porm,
pode-se escrever o seguinte sistema:
f 10 = p 10 f 00 + p 11 f 10 + p 12 f 20 + p 13 f 30 + p 14 f 40
f 20 = p 20 f 00 + p 21 f 10 + p 22 f 20 + p 23 f 30 + p 24 f 40
f = p f + p f + p f + p f + p f
30 00
31 10
32 20
33 30
34 40
30
(105)
f 10 = p 10 + p 11f 10 + p 12 f 20 + p 13 f 30
f 20 = p 20 + p 21f 10 + p 22 f 20 + p 23 f 30
f = p + p f + p f + p f
30
31 10
32 20
33 30
30
Tem-se ento um sistema com trs equaes e trs incgnitas. Resolvendo este
4
5
P ( ) = 2
3
4
0
1
14
15
4
5
8
15
0
1 2 3
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
4
0
1
15
1
5
7
15
1
(107)
31
32
(t )r e t
r!
n =0
n =0
3) Explique porque f ij(n ) pode ser <1 ? Qual a classificao do estado i se f ii(n ) < 1 ?
4) Seja P uma matriz de transio dada por:
0. 3 0. 2 0. 5
P = 0.1 0.8 0.1
0.6 0 0.4
Qual P ( ) ?
5) A matriz de transio abaixo pertence a uma Cadeia de Markov que representa o
processo de um cliente que comprou uma das 4 marcas possveis de cerveja (0, 1, 2, 3) no
instante n e ir comprar cada uma das marcas no instante n + 1 sob a condio que
realmente em cada etapa de transio ele ir comprar o produto.
0
0.1844
0.8033
0.1412 0.7547
0
P=
0
0.2535 0.7397
0
0.2080 0.1232
0.0123
0.1041
0.0068
0.6688
Calcule f 20(5) , 02 e 12
7) Classifique os estados das Cadeias de Markov abaixo, de acordo com as suas respectivas
Matrizes de Transio.
Notas de Aula - Fernando Nogueira
33
a)
Estado
12
1
2
P= 1
2
1
1
2
0
1
2
2
1
2
1
2
0
b)
Estado
0
1
2
P=
3
4
5
0 1
0 1
2
0 0
0 0
1 0
1 0
1 0
2
1
2
0
0
0
0
1
3
1
3
0
0
1
3
1
3
0
0
0
0
0
0
0
1
3
1
3
0
0
0
c)
Estado
0
P= 1
2
0
0
1 2
1 0
0 1
0 0
8) O setor de vendas de Whisky de uma loja vendeu 600.000 caixas no trimestre passado.
Existem no mercado as firmas X, Y, Z e Outras que venderam respectivamente 240.000,
180.000, 120.000 e 60.000 caixas. A empresa Z resolve lanar uma nova marca de Whisky
com um preo aproximadamente igual ao dos concorrentes acompanhada de uma forte
divulgao que ir custar L milhes de $ e que ir produzir a seguinte matriz de transio
para um perodo de 3 meses.
Estado
X
Y
P=
Z
Outras
Z Outras
34
Estado
0
1
2
3
Condio
operao normal (mxima produo)
operao com baixa perda de produo
operao com alta perda de produo
inoperante
Atravs de dados histricos, a matriz de transio (ms a ms) para esta maquina :
Estado
0
1
P=
2
3
0 7
8
0 3
4
0 0
0 0
1
16
1
8
1
2
0
1
16
1
8
1
2
1
De acordo com o estado da mquina, algumas decises podem ser tomadas com
respectivos custos: Substituir a mquina por uma outra nova demanda 1 semana para ser
realizada esta operao e a produo perdida neste perodo a um custo de $2.000,00 e o
custo da mquina nova $4.000,00. Quando a mquina opera no estado 1, h um custo de
$1.000,00 e quando a mquina opera no estado 2, h um custo de $3.000,00, ambos devido
produo de itens defeituosos. Realizar manuteno na mquina no vivel quando esta
se encontra no estado 3. A manuteno no melhora em nada a capacidade de operao da
mquina quando esta se encontra nos estados 0 e 1. A manuteno da mquina faz com que
esta retorne ao estado 1, quando esta est operando no estado 2 a um custo de $2.000,00 e a
produo perdida por 1 semana. No permitido manter a mquina no estado 3.
Qual a poltica tima de manuteno desta mquina ? Utilize o mtodo de
enumerao exaustiva.
Obs: a resoluo deste exerccio exige os conceitos tratados em Processos Markovianos de
Deciso (no consta nestas notas de aula).
10) Formule o exerccio 9 como um problema de Programao Linear
Respostas
1) Sim, porque Pt(r) representa uma coleo de variveis randmicas indexadas por um
parmetro t, dentre outros.
35
3) Se existe a probabilidade do estado i nunca alcanar o estado j, ento f ij(n ) < 1 . Neste
caso,
f (n )
ij
n =0
36
1
1
1
3
3
3
1
3
1
3
1
3
=
1
+
p
+
p
1
0
.
5
=
+
10 02
11 12
12
12
12 = 2
12
180000
600000
120000
600000
60000
= [0.4 0.3 0.2 0.1]
600000
37
Concluso
Se 45.1k - L > 0
Se 45.1k - L < 0
Se 45.1k = L
9)
Deciso
1
2
3
Ao
Poltica
Descrio Verbal
Ra
substituir no estado 3
Rb
substituir no estado 3, manuteno no estado 2
Rc
substituir no estado 2 e 3
Rd
substituir no estado 1, 2 e 3
Ra
Estado
0
1
P=
2
3
Rb
Estado
0
1
P=
2
3
0 7
8
0 3
4
0
0
1 0
0 7
8
0 3
4
0 1
1 0
1
16
1
8
1
2
0
1
16
1
8
1
2
0
1
16
1
8
0
0
1
16
1
8
0
0
d0(R)
1
1
1
1
d1(R)
1
1
1
3
d2(R)
1
2
3
3
Custo
total por
semana
0,00
1.000,00
3.000,00
4.000,00
6.000,00
6.000,00
6.000,00
d3(R)
3
3
3
3
Rc
38
1
2
3
Rd
Estado
0
1
P=
2
3
0 7
8
0 3
4
1 0
1 0
0 7
8
1 0
1 0
1 0
1
16
1
8
0
0
1
16
1
8
0
0
1
16
0
0
0
1
16
0
0
Deciso
Estado
0
1
2
3
1
0
1
3
-
3
6
6
6
Poltica
Probabilidades de Estado-Estvel
Ra
2 7 2 2
, , ,
13 13 13 13
1
[2(0) + 7(1) + 2(3) + 2(6)] = 25 = $1.923,00
3
13
Rb
2 5 2 2
, , ,
21 7 21 21
1
[2(0) + 15(1) + 2(4) + 2(6)] = 35 = $1.667,00
21
21
Rc
2 7 1 1
, , ,
11 11 11 11
1
[2(0) + 7(1) + 1(6) + 1(6)] = 19 = $1.727,00
11
11
Rd
1 7 1 1
, , ,
2 16 32 32
1
[16(0) + 14(6) + 1(6) + 1(6)] = 96 = $3.000,00
32
32
( 0 , 1 , 2 , 3 )
39
Sujeito a :
y 01 + y 11 + y 13 + y 21 + y 22 + y 23 + y 33 = 1
y 01 (y 13 + y 23 + y 33 ) = 0
3
7
y 11 + y 13 y 01 + y 11 + y 22 = 0
8
4
1
1
y 21 + y 22 + y 23 16 y 01 + 8 y 11 + 2 y 21 = 0
1
1
1
y 33 y 01 + y 11 + y 21 = 0
16
8
2
y ik 0
40