Professional Documents
Culture Documents
Ecuaciones de Chapman-Kolmogorov. Habamos dicho que Pij(n) es la probabilidad condicional de que la variable aleatoria X, comenzando en el estado i se encuentre en el estado j despus de n pasos
Ecuaciones de Chapman-Kolmogorov
Las ecuaciones de Chapman-Kolmogorov proporcionan un mtodo para calcular estas probabilidades de transicin de n pasos
Dise: Andrs Gmez
2-1 2-2
Pij(n) =
k=0
entonces Al ir del estado i al estado j en n pasos el proceso estar en algn estado k despus de exactamente m pasos. Es slo la probabilidad condicional de que, si se comienza en el estado i el proceso vaya al estado k despus de m pasos y despus al estado j en n-m pasos.
2-3
Pij(n+m) = P {Xn+m = j / X0 = i}
Pij(n+m) =
P {X n+m = j , Xn = k / X 0 = i}
k=0
2-4
Pij(n+m) =
k=0
P {Xn+m = j , Xn = k / X0 = i}
P {Xn+m = j / Xn = k , X0 = i} * P {Xn = k / X0 = i}
k=0
Sabemos que
P (A B) = P(A/B) * P(B) P (AB /C) = P(A/B /C) * P(B /C) P ((AB)/C) = P(A/(B C)) * P(B/C)
k=0
P {Xn+m = j / Xn = k} * P {Xn = k / X0 = i}
=
Sigue
2-5
k=0
k=0
Si hacemos
p00 ( n) P(n ) = p ( n) M0
para n=0,1,..... = Pij(n)
( n) pMM p0 M
( n)
Para m=n=1
(n+m)
=P P
(n)
(m)
2-7 2-8
La matriz de probabilidades de transicin de n pasos se puede obtener calculando la n-sima potencia de la matriz de transicin de un paso
0 Pij 1 Es decir
Pij = 1 j=0
2-9
Cuando n no es muy grande la matriz de transicin de n pasos se puede calcular fcilmente, pero si n es muy grande los clculos resultan tediosos y los errores de redondeo pueden causar inexactitudes
2-10
Ejemplo Para el problema de inventarios donde la matriz de transicin de un paso estaba dada por:
P
( 2)
Ejemplo
0.165 0.233 0.097 0.165
P ( 4)
Consideremos el estado del tiempo, donde el llover maana , depende si llovi o no ayer y hoy. Estado 0 Estado 1 Estado 2 Estado 3 Llovi ayer y hoy No llovi ayer y llovi hoy Llovi ayer y no llovi hoy No llovi ni ayer ni hoy
2-14
Suponga que le preguntan Cul es la probabilidad de que llueva pasado maana, dado que llovi ayer y hoy ?
0 .7 0 .5 P2 = 0 0 0 0 0.4 0.2 0 .3 0 .5 0 0 0 0 0.6 0.8 0 . 12 0 . 20 0 . 12 0 . 16
NL
P =
1 = NL 2 = LN 3 = NN
0. 7 0 .5 0 0
0 0 0 .4 0 .2
0. 3 0. 5 0 0
0 0 Hoy 0 .6 y 0 . 8 Maana
0 .7 0 .5 0 0 0 .21 0 . 15 0 . 20 0 . 10
LN
0 0 0.4 0.2
0 .3 0 .5 0 0
0 0 0 .6 0.8
LL
0 = LL 1 = NL 2 = LN 3 = NN P2 =
NL LN NN
(Columnas)
2-15
Ayer y hoy
2-16
P ( llueva pasado maana/ llovi ayer y hoy) = P ( llueva maana y pasado maana / llovi ayer y hoy) + P ( no llueva maana y llueva pasado maana/ llovi ayer y hoy) = 0.49 + 0.61
LL NL
2
Distribuciones no condicionales Las probabilidades de transicin de 1 o n pasos son probabilidades condicionales; por ejemplo Pij(n) = P {Xn = j / X0 = i} Si se desea la probabilidad incondicional P {Xn = j}
P Ayer y hoy
LN NN
0 . 49 0 . 35 0 . 20 0 . 10 LL
Denotemos esta distribucin por QX0(i) donde: Q X0 (i) = P{X0 = i} para i = 0,1,....M
Q Xn ( j ) = P { X n = j } =
=
P { X n = j , X 0 = i}
r Q X 0 = {Q X 0 (1),Q X 0 (2),...Q X 0 ( M )}
Demostracin
P{X
i
= j / X 0 = i} P { X 0 = i }
Pij ( n ) Q X
i
( i ) = Q X 0 ( i ) Pij ( n )
i
r Q X 0 = {Q Xn (1), Q Xn (2 ),...Q Xn ( M )}
2-19
En forma matricial
r r QX = QX Pij( n )
n n
2-20
La probabilidad incondicional de que haya tres cmaras en inventario dos semanas despus de que el sistema se puso en marcha es:
P{X2 = 3} = Q X0 (0) P03 (2) + QX0 (1) P13 (2) + QX0 (2) P 23 (2) + QX0(2) P33 (2) =0 *0.165+ 0*0.233 + 0*0.097 + 1*0.165 = 0.165
2-21
2-22
Si en lugar de lo anterior la probabilidad de tener 0,1,2 o 3 cmaras de inventario inicial fuera la misma, entonces Q X0 (i)= 1/4 para i=0,1,2,3
P{X2 = 3} = Q X0 (0) P03 (2) + QX0 (1) P13 (2) + QX0 (2) P 23 (2) + QX0(2) P33 (2) = *0.165+ *0.233 + *0.097 + *0.165 = 0.165 Resultado coincidencial
2-23