Professional Documents
Culture Documents
MARKOV
ROSARY ELYN CARMONA
NAVARRO
LUIS EDUARDO CANEDO
TORRES
OSCAR IVN HERRERA
BONILLA
INTRODUCCION
Objetivos
analizar la evolucin
de un sistema a travs
de periodos sucesivos,
y sus probabilidades de
cambio .
los procesos de Markov
pueden ayudar a hacer
predicciones para el
futuro, basndose en
datos actuales, datos
pasados y probables
condiciones futuras
En modelos
financieros para
optimizacin de
acciones.
Como surgi ?
Importancia
Un proceso estocstico
Con un nmero finito de
estados (M)
Con probabilidades de
transicin estacionarias
Que tiene la propiedad
markoviana
Campos de aplicacin
Qu es un proceso
estocstico?
Qu es una cadena de
markov finita ?
consiste
en
una
serie de estados, en
los
cuales
la
probabilidad de que
un evento ocurra
depende del estado
inmediatamente
anterior.
Es una cadena de
Markov para la que
existe
slo
un
nmero finito k de
estados
posibles
s1,...,sk
y
en
cualquier
instante
de tiempo la cadena
est en uno de
estos k estados.
supuestos
Hayhomocedasticidad.
Un
conjunto
finito
de
M
estados,
exhaustivos y mutuamente excluyentes
(ejemplo: estados de la enfermedad)
Probabilidades
de
transicin
estados, en un ciclo (matriz P)
entre
Matriz de
transicin:
p11
p
P 21
M
ps1
Alfabeto de smbolos
observables:
Probabilidades de
emisin:
p12 L
p22 L
M O
ps 2 L
p1s
p2 s
M
pss
siendo pij P X t 1 E j X t Ei
A a1 ,K , am
B bi a
Distribucin inicial: P 0 p1 0 , p2 0 ,K , ps 0
siendo pi 0 P X 0 Ei
TIPOS DE CADENAS
CADENAS DE
MARKOV
ABSORVENTES
Son cadenas en
donde todos los
estados transitorios
son absorbentes.
CADENAS ERGODICAS
a) Cadena ergdica
cclica: en ella slo se
puede entrar en un
estado a intervalos
peridicos fijos.
b) Cadena ergdica
regular: cadena ergdica
nocclica.
EJEMPLO
S1
S2
S1
1/2
1/2
S2
1/2
1/2
S1
S2
S3
S1
3/4
1/4
S2
1/2
1/2
S3
1/4
3/4
S1
S2
S3
S1
1/4 1/4
S2
1/3 1/3
S3
1/4 1/4
S1
S1
S2
S3
S2
S3
P(X n + 1 = xn + 1 /X n = xn , X n 1 = xn
1,....X 2 = x2 , X 1 = x1 ) =
P(X n + 1 = xn + 1 /X n = xn )
PR
OP
IE
DA
D
DE
M
AR
KO
V:
PROPIEDAD MARKOVIANA
Un proceso estocstico tiene la propiedad markoviana si las
probabilidades de transicin en un paso slo dependen del
estado del sistema en el perodo anterior (memoria limitada)
PROPIEDAD MARKOVIANA
PROPIEDAD MARKOVIANA
PROPIEDAD MARKOVIANA
PROPIEDAD MARKOVIANA
Ejemplos:
Comportamiento
(sube/baja)
del
precio de las acciones hoy depende
de lo ocurrido ayer
Problema de la ruina de un jugador
de casino
Eleccin de marca: Con qu lnea
area volar a Madrid?
A
Matriz de
transicin en un
paso (ciclo)
Ciclo: Mes
A
B
C
B
0,8
0,15
0,13
C
0,1
0,82
0,12
0,1
0,03
0,75
0.4110]
0.2911
0.3543
0.3704
0.3722
0.3722
la
matriz
fila
Matriz de estado en n
pasos
La matriz de probabilidades
de
transicin de n pasos se puede
obtener
calculando
la
ensima
potencia de
la matriz de transicin de un paso:
por ejemplo, si queremos calcular la
matriz de transicin de cuatro pasos:
Ejemplo en n pasos
Ejemplo
Matriz regular
Matriz estacionaria
Estados
Un
estado
es
transitorio : estados que
tienen una probabilidad
> 0 de no volver nunca
al estado (se visitan un
nmero finito de veces).
Estados
recurrentes:
estados que tienen una
probabilidad > 0 de
volver al estado (se
visitan
un
nmero
infinito de veces).
Un
estado
es
absorbente
:si
despus de haber
entrado
a
un
estado
nunca
saldr de l..
Clasificacin
Cadenas recurrentes y
transitorias
1p
1p
1p
1p
1p
p
1p
p
1p
p
1p
n+1
Periodicidad
Periodicidad
5
3
Subconjuntos cerrados
propiedades
ejemplo
Supongamos
que
el
clima
de
una
determinada regin slo
puede ser soleado (s1)
o nublado (s2) y que las
condiciones
del clima
en maanas sucesivas
forman una cadena de
Markov
con
probabilidades
de
transicin estacionarias.
La matriz de transicin
est dada por:
Si un da concreto est
nublado,
cul es la
probabilidad de que est
nublado el da siguiente?
p22 = 0.4
Ejempl
o
En el ejemplo del
clima con matriz de
transicin
Si un
mircoles
est
nublado,
cul
es
la
probabilidad de que
el viernes siguiente
haga sol?
Calculamos la
matriz de
transicin en dos
pasos:
se generaliza en N pasos a:
Preguntas
a)
Si las compras se hacen mensualmente,
cul ser la distribucin del mercado de caf en
Pontevedra en el mes de junio?
b) A la larga, cmo se distribuirn los clientes
de caf?
c)
En junio, cual es la proporcin de clientes
leales a sus marcas de caf?
Solucin
a) Con
b)
c)
En Marzo la proporcin de clientes de A es:
2028/8450 = 0.24; para B es 3718/8450 = 0.44 y
para C es 2704/8450 = 0.32. En el mes de junio la
proporcin es: