You are on page 1of 6

yita · your it assistant

catene di markov > il regno di oz

esercizio

https://www.facebook.com/YourITAssistant/
1 novembre 2017
colophon
Testo redatto con LATEX 2ε su sistema operativo Linux usando lo stile ArsClas-
sica di Lorenzo Pantieri, che rivisita in chiave meno classica il suo precurso-
re ClassicThesis di André Miede ispirato a Gli elementi dello stile tipografico di
Robert Bringhurst.

contatti
 youritassistant@gmail.com · Scrivi a YITA | Your IT Assistant
IL REGNO DI OZ

quesito
Il mago di Oz vive in un posto dove il tempo è sempre pessimo, però è anche
markoviano, perché nella terra di Oz non si possono mai avere 2 giorni di
sole consecutivi:


• se oggi c’è sole , domani può o piovere o nevicare  ^ (con il 50%
di probabilità), ma non può esserci di nuovo sole 

• se oggi piove , con la stessa probabilità può continuare a piovere 
oppure tornare sereno 
oppure nevicare ^
^
• se oggi nevica , con uguale probabilità può piovere  o continuare
^
a nevicare , ma non tornare sereno 
Domanda x : se oggi piove , qual è la probabilità che tra 3 giorni Ä

sia sereno ? 1

soluzione
Riassumiamo i 3 stati del sistema nella tabella 1:

Tabella 1: Stati del sistema

Oggi Domani
 Sole (S)  ^
 Pioggia (P)   ^
^ Neve (N)  ^
Transizioni metereologiche nel Regno di Oz

Per risolvere il problema va estrapolata la matrice di transizione della catena


di Markov dai dati forniti:

Domani
z }| {
S P N
 1 1

 S 0


2 2





Oggi P 13 1 1



3 3








N 0 1 1
2 2

1 In riferimento al post di YourITAssistant su Facebook

1
2

0.0.1 Primo metodo risolutivo

La rappresentazione grafica di questa catena di Markov si ottiene segnan-


do un cerchio per ogni stato (Sole, Pioggia, Neve) della catena e una freccia
orientata da un cerchio ad un altro, se la probabilità di transizione in un al-
tro stato è positiva (> 0), indicando il valore della probabilità di transizione
accanto alla freccia:

1/3 1/2

1/2

1/3

P N

1/2
1/3 1/2

Questa rappresentazione grafica ci consente di calcolare rapidamente la


probabilità di transizione in più passi: nel nostro caso, il numero di passi è
pari a 3 (3 giorni), per cui la risposta al quesito si trova facendo la somma-
toria di tutti i possibili cammini lunghi 3 passi (3 giorni), che partendo dal
giorno di pioggia (corrente) portino al sereno, calcolando il prodotto dei
valori scritti sulle frecce per ogni cammino da sommare:

Primo cammino Secondo cammino Terzo cammino


z }| { z }| { z }| {
(3)
PPS = (N · P · S) + (S · P · S) + (P · P · S) =

     
1 1 1 1 1 1 1 1 1
= · · + · · + · · =
3 2 3 3 2 3 3 3 3
(1)
     
1 1 1
= + + =
18 18 27

     
3+3+2 8 4
= = = = 0.148
54 54 27

(3) (3)
1 : 100 = 0.148 : PPS → PPS = 14.8% (2)
% %

Quindi la probabilità (P) che, dopo 3 giorni, dalla pioggia (P) di oggi
ritorni il sole (S) è del 14.8% (2).
3

0.0.2 Secondo metodo risolutivo

Dopo un giorno
Al tempo iniziale (t = 0) si è detto che piove, per cui il vettore di stato
(S P N) (con S = sole, P = pioggia ed N = neve) sarà (0 1 0) che
vado a moltiplicare per la matrice di transizione della catena di Markov, scritta
precedentemente, per ottenere il vettore di stato al tempo t + 1 (cioè dopo 1
giorno) (3):


0 1 1
2 2

 
1 1 1
0) · 13 1 1

(0 1 3 3 = 3 (3)
3 3


0 1 1
2 2

Si è trattato di moltiplicare il vettore di stato del tempo t = 0 per la prima


colonna della matrice di transizione e sommarne i valori, per ottenere il primo
elemento del nuovo vettore di stato riferito al tempo t + 1, e così lo stesso
per le altre due colonne della matrice di transizione:

1 a colonna ,→

1 1 1 1
0 · 0 = 0, 1· = , 0·0 = 0 → 0+ +0 =
3 3 3 3

2 a colonna ,→

1 1 1 1 1 1
0· = 0, 1· = , 0· =0 → 0+ +0 =
2 3 3 2 3 3

3 a colonna ,→

1 1 1 1 1 1
0· = 0, 1· = , 0· =0 → 0+ +0 =
2 3 3 2 3 3

Dopo due giorni


Per calcolare il vettore di stato al tempo t + 2 (cioè dopo 2 giorni), moltiplico la
matrice di transizione della catena dei Markov per il vettore di stato trovato per il
tempo t + 1, analogamente a quanto fatto prima (4):


0 1 1
2 2

   
1 1 1 1 4 4
· 13 1 1

3 3 = 9 (4)
3 3 3 9 9


0 1 1
2 2

Analogamente a prima, si è trattato di moltiplicare il vettore di stato del


tempo t = 1 per la prima colonna della matrice di transizione e sommarne
i valori, per ottenere il primo elemento del nuovo vettore di stato riferito
al tempo t + 2, e così lo stesso per le altre due colonne della matrice di
transizione:
4

1 a colonna ,→

1 1 1 1 1 1 1
· 0 = 0, · = , ·0 = 0 → 0+ +0 =
3 3 3 9 3 9 9

2 a colonna ,→

1 1 1 1 1 1 1 1 1 1 1 1 4
· = , · = , · = → + + =
3 2 6 3 3 9 3 2 6 6 9 6 9

3 a colonna ,→

1 1 1 1 1 1 1 1 1 1 1 1 4
· = , · = , · = → + + =
3 2 6 3 3 9 3 2 6 6 9 6 9

Dopo tre giorni


Per calcolare infine il vettore di stato al tempo t + 3 voluto (cioè dopo 3 giorni),
moltiplico la matrice di transizione della catena dei Markov per il vettore di stato
trovato per il tempo t + 2, analogamente a quanto fatto prima (5):


0 1 1
2 2

   
1 4 4 4 23 23
· 13 1 1

3 3 = 27 (5)
9 9 9 54 54


0 1 1
2 2

1 a colonna ,→

1 4 1 4 4 4 4
· 0 = 0, · = , ·0 = 0 → 0+ +0 =
9 9 3 27 9 27 27

2 a colonna ,→

1 1 1 4 1 4 4 1 4 1 4 4 23
· = , · = , · = → + + =
9 2 18 9 3 27 9 2 18 18 27 18 54

3 a colonna ,→

1 1 1 4 1 4 4 1 4 1 4 4 23
· = , · = , · = → + + =
9 2 18 9 3 27 9 2 18 18 27 18 54

Questo vettore di stato al tempo t + 3 ci dice che c’è una probabilità di


4 23 23
(= 0.148) di avere il sole, di avere pioggia e di avere neve dopo 3
27 54 54
giorni a partire da un giorno di pioggia.

Convertendo il dato in percentuale, avrò la (6):

4 (3) (3)
1 : 100 = : PPS → PPS = 14.8% (6)
27 % %

valore coincidente con quello trovato nel metodo grafico precedente (2).