¿Qué es? La cadena de Markov, también conocida como modelo de Markov o proceso de Markov, es un concepto desarrollado dentro de la teoría de la probabilidad y la estadísca que establece una fuerte dependencia entre un evento y otro suceso anterior. Su principal ulidad es el análisis del comportamiento de procesos estocáscos.
Nomenclatura
Suposiciones Del Modelo De Markov Las suposiciones del Modelo del Markov son las siguientes:
a) La suma de las las de la l a matriz d3e transición puede ser igual a uno y su forma general está presentado por:
b) Cada elemento de la matriz de transición debe ser no negavo y su forma general está presentado por:
Según Render las suposiciones del Modelo del Markov son las siguientes: a) Existe un número limitado o nito de estados posibles. b) La probabilidad de que los estados cambien permanece igual a lo largo del empo. c) Se puede predecir cualquier estado futuro a parr del estado anterior y de la matriz de probabilidades se transición. d) El tamaño y constución del sistema (por ejemplo, el número total de fabricantes y clientes) no cambian durante el análisis. (Render, 2006).
El modelo de Markov ene la propiedad de que las probabilidades que describen las formas en que el proceso evolucionara en el futuro dependen solo del estado actual en que se encuentra el proceso y, por lo tanto, son independientes de los eventos que ocurrieron en el pasado. Muchos procesos se ajustan a esta descripción, por lo que las cadenas de Markov constuyen una clase de modelo probabilísco de gran importancia importancia..
¿Para que se uliza? Una de las principales ulidades que ene el modelo de Markov es establecer las posibilidades de cualquier evento futuro conociendo los eventos pasados. Esto puede y afecta las decisiones que podríamos tomar basándonos en la incerdumbre incerdumbre que provocan poseer varios eventos futuros y todos enen su grado de probabilidad de que sucedan.
Otro de los factores que altera la toma de decisiones es cuando estos posibles eventos futuros se ven alterados con el paso del empo, para evitar este acontecimiento existe este modelo el cual ene la propiedad parcular de que las probabilidades que describen la forma en que el proceso evolucionara en el futuro solo dependerán del estado actual en que se encuentra el proceso y por lo tanto son independientes de los eventos ocurridos en el pasado.
Tipos de Cadena Cadenas Irreducibles: Irreducibles:
Una cadena de Markov se dice irreducible si se cumple cualquiera de las siguientes condiciones (equivalentes entre sí): 1- Desde Desde cualquier cualquier estado estado de E se puede puede acceder acceder a cualqu cualquier ier otro. otro. 2- Todos los estados se comunican entre sí. 3- C(x)=E para algún x∈E. 4- C(x)=E para todo x∈E. 5- El único conjunto cerrado es el total. Cadenas posivo-recurrentes: posivo-recurrentes:
Una cadena de Markov se dice posivo-recurrente si todos sus estados son posivo-recurrentes. posivo-recurrent es. Si la cadena es además irreducible es posible demostrar que existe un único vector de probabilidad invariante y está dado por:
Cadenas regulares:
Una cadena de Markov se dice regular (también primiva o ergódica) si existe alguna potencia posiva de la matriz de transición cuyas entradas sean todas estrictamente mayores que cero. Cuando el espacio de estados E es nito, si P denota la matriz de transición de la cadena se ene que:
donde W es una matriz con todos sus renglones iguales a un mismo vector de probabilidad w, que resulta ser el vector de probabilidad invariante de la cadena. En el caso de cadenas regulares, éste vector invariante es único. Cadenas absorbentes:
Una cadena de Márkov con espacio de estados nito se dice absorbente si se cumplen las dos condiciones siguientes: -La cadena ene al menos un estado absorbente. -De cualquier estado no absorbente se accede a algún estado absorbente.
Si denotamos como A al conjunto de todos los estados absorbentes y a su complemento complement o como D, tenemos los siguientes resultados: -
Su ma matri trizz de tran transic sición ión siem siempre pre se se puede puede lleva llevarr a una una de la form forma: a:
donde la submatriz Q corresponde a los estados del conjunto D, I es la matriz idendad, 0 es la matriz nula y R alguna submatriz. -
esto esto es, no import importa a en donde donde se encuen encuentr tre e la cadena cadena,, eventualmente terminará en un estado absorbente.
Thank you for interesting in our services. We are a non-profit group that run this website to share documents. We need your help to maintenance this website.