Professional Documents
Culture Documents
Clasificacin de estados en una cadena de Markov Se dice que el estado j es accesible desde el estado i, si Pij(n) > 0 para alguna n 0.
Clase # 3
Clasificacin de estados
Que el estado j sea accesible desde el estado i significa que es posible que el sistema llegue eventualmente al estado j si comienza en el estado i.
3-1 3-2
En general una condicin suficiente para que todos los estados sean accesibles entre si es que exista un valor de n para el que Pij(n) > 0 para todo i y j Recordando el ejemplo del juego se puede decir que el estado 2 no es accesible desde el estado 3, ya que cuando el jugador se encuentra en el estado 3 (tiene $3) el juego termina
0 1 1 1 p P= 2 0
Observe que la matriz de transicin de n pasos para este ejemplo es de la siguiente forma donde los asteriscos representan nmeros no negativos
P (n)
0 0 1 p 0
1 2
0 p 0 0
3 0
0
0 0 p 1
3
3-3
1 1 * = 2 * 3 0
0 0
0 * * 0
1
0 * * 0
2
0 * * 1
3
Definicin. Si el estado j es accesible desde el estado i, y el estado i es accesible desde el estado j, entonces se dice que los estados i y j se comunican. Propiedades de la comunicacin. 1. Cualquier estado se comunica consigo mismo . Pii(0) = P {X0 = i / X0 = i} = 1
3-5
3. Si el estado i se comunica con el estado j y el estado j se comunica con el estado k , entonces el estado i se comunica con el estado k i j i j k
3-6
Demostremos la propiedad 3 para el caso j k (transitividad de la comunicacin). i j es accesible desde i : k es accesible desde j : Pik(n+m) = n tal que Pij(n) > 0 m tal que Pjk(m) > 0 Por ChapmanKolmogorov
El concepto de comunicacin divide el espacio de estados en clases ajenas, es decir que 2 clases siempre son idnticas o disjuntas.
Pirn Prkm
Demostracin Por reduccin al absurdo Supongamos que j pertenece a dos clases distintas i i j k j i j k k Slo hay una clase
(por transitividad)
Ejemplo.
2 P = 1 1 2 2 0
0
0 1
1 1 1
2 4 3
0 1 4 2 3
2
Son accesibles en algn nmero de pasos n (0,1) Pertenecen a la misma clase (0,2) Pertenecen a la misma clase (1,2) Pertenecen a la misma clase (0,1,2) Pertenecen a la misma clase
3-9
1 0 2
3-10
Definicin.
1 1 1 2 4 3 0 1 4 2 3
2
1 0 2
Sea para un estado i, fii la probabilidad de que el proceso regrese al estado i dado que comienza en el estado i.
2 P= 2 2 1 4 3 0
0
1 1 1
2 2
0 0 1 4 0
2
4 0
1
0 0 1 4 1
3
1 2 3
El estado i se llama recurrente si fii = 1 El estado i se llama transitorio si fii < 1 Hay tres clases
(0,1) (2) (3)
3-11
Un caso especial de un estado recurrente es un estado absorbente. Un estado es absorbente si una vez que se entra en l no se puede abandonar
3-12
Por lo general no es fcil determinar si un estado es recurrente o transitorio evaluando fii. Por lo tanto no es evidente si un estado debe clasificarse como recurrente o transitorio. Teorema. Si el estado i es recurrente entonces se visitar un nmero infinito de veces.
Si un proceso de Markov se encuentra en el estado i y el estado es transitorio, entonces la probabilidad de que no regrese al estado i es 1 - fii
Teorema. El nmero esperado de perodos que el proceso se encuentra en el estado i es finito y est dado por 1 1 - fii
3-13
Distribucin geomtrica
3-14
Por tanto se concluye que el estado i es recurrente si y slo si el nmero esperado de perodos que el proceso se encuentra en el estado i es infinito, dado que empez en el estado i
Definamos
Bn =
La cantidad
representa el nmero de perodos que el proceso est en el estado i dado que X0=i Sigue
3-15 3-16
= = =
Este resultado se puede usar para demostrar que la recurrencia es una propiedad de clase (es decir que es comn a todos los estados de la clase) Teorema. Si i es recurrente y adems i se comunica con j, entonces j es recurrente. Demostracin Como i j enteros k y m tales que
Pero
Pjj(m+n+k)
Pjj(m+n+k) n=1
Pji(m) Pij(k)
n=1
Pii(n) =
Por reduccin al absurdo Si j fuera recurrente , i sera recurrente por el teorema anterior
Puesto que
3-20
Teorema. En una cadena de Markov de nmero finito de estados, no todos pueden ser transitorios. Demostracin Suponga que todos los estados fueran transitorios T0, despus de T0 el estado 0 nunca sera visitado T1, despus de T1 el estado 1 nunca sera visitado TM, despus de TM el estado M nunca sera visitado
3-21
Si hacemos T = Mx {T0,T1,...,TM} Despus de T ningn estado sera visitado lo que es una contradiccin.
Corolario Todos los estados de una cadena de Markov irreducible de numero finito de estados son recurrentes Ejemplo.
0
Ejemplo.
0 1
P=
1 2 3
0 1 0 0
0
0 0 1 1
1
2 0 0 0
2
1 2 0 0 0
3
P=
2 3
1 4 1 2 0 0 1
0
3 1
0 0 1 1 3 0
2
0 0 0 2 3 0
3
2 0 0
0
1
0 0 0 0 0
4
1 2
3 4
3-24
Realizaciones (0,1)
Recurrente
0 0
0 1 0 0 0 1 0 0 0 1
Y El estado 2 es un estado absorbente (por lo tanto un estado recurrente), porque una vez que el proceso entra al estado 2 nunca regresar. Y Los estados 3 y 4 son transitorios porque una vez que el proceso se encuentra en uno de ellos, existe una probabilidad positiva de que nunca regresar. Y Los estados 0 y 1 son recurrentes. Se puede demostrar que f00 =1 y f11=1. Esto no es sencillo y se puede mostrar de la siguiente manera. Sigue
3-25 3-26
(2)
(3)
2 2 2 2 2 2 2 2 2 2
(4)
Transitorio
4 0
0 0 0 0 0 1 0 0 0 1
Observe que la matriz de transicin de n pasos para este ejemplo es de la siguiente forma donde los asteriscos representan nmeros positivos
0 1
(n)
P=
2 3 4
* * 0 0 *
0
* 0 0 0 * 0 0 0 0 1 0 0 0 * * 0 * 0 0 0
1 2 3 4
Definicin. El periodo de un estado i se define como el entero t (t>1) si Piin =0 para todos los valores de n distintos de t, 2t, 3t ....., y t es el entero ms grande con esa propiedad.
Ejemplo.
P= 1 1 2 1
0 0 0
2 0
0
1
1 2 0 0
2
1 0 2
Realizacin:
0 1
0 2 0 2 0 1 0 2 0 1
P2 = 1 0 2 0
0
0 1
0 1 2 1 2
1
0 1 2 1 2
2
P3 = 1 1 2 1
0
0 0
2 0 0
1 2 0 0
2
P =1 0 2 0
4
0 1
0 1 2 1 2
1
0 1 2 1 2
2
Realizacin:
0 1
2 0 1 2 0 1 2 0 1 2
3-32
Definicin.
P2 = 1 1 0 0 2 0 1 0
0 1 2 0 0 0 1
P3 = 1 0 1 0 2 0 0 1
0 1 2
0 1 0 0
Si existen 2 nmeros consecutivos s y (s+1) tales que el proceso puede encontrarse en el estado i en los tiempos s y (s+1), se dice que el estado tienen perodo 1 y se llama estado aperidico. Definicin.
0 0 1 0 P4 = 1 0 0 1 1 0 0 2 0 1 2
Si el estado i es recurrente , se dice recurrente positivo, si empezando en i el tiempo (nmero de pasos) esperado para volver a i es finito
3-33 3-34
Definicin. Si el estado i es recurrente , se dice recurrente nulo, si empezando en i el tiempo (nmero de pasos) esperado para volver a i es infinito Ejemplo caminata aleatoria Suponga que hay un jugador que puede pasar del estado i al estado i+1 con probabilidad p, o devolverse del estado i al i -1 con probabilidad 1-p
3-35
Definicin. Los estados recurrentes positivos aperidicos se denominan ergdicos Teorema. En una matriz de Markov finita, los estados recurrentes son recurrentes positivos