Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. P x t i x t i x t i x t i

Documentos relacionados
3- Autovalores e Autovetores.

16 - PROBLEMA DO TRANSPORTE

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina:

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

3- Autovalores e Autovetores.

Programação Paralela

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados

PROCESSOS ESTOCÁSTICOS

DISTRIBUIÇÃO HIPERGEOMÉTRICA

CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES

Oitava Lista de Exercícios

Como primeiro exemplo de uma relação de recorrência, consideremos a seguinte situação:

Capítulo 2. Aproximações de Funções

Consideremos a fórmula que nos dá a área de um triângulo: = 2

1. Revisão Matemática

Prof. Alvaro Vannucci

CAPÍTULO III MÉTODOS DE RUNGE-KUTTA

Centro de massa Dinâmica do corpo rígido

SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Diego Veloso Uchôa

Centro de massa Dinâmica do corpo rígido

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Estatística: uma definição

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

QUESTÕES DISCURSIVAS Módulo

1- Resolução de Sistemas Lineares.

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

Difusão entre Dois Compartimentos

Estatística: uma definição

Confiabilidade Estrutural

INTRODUÇÃO À PROBABILIDADE E ALGUNS RESULTADOS IMPORTANTES

6. Inferência para Duas Populações USP-ICMC-SME 2013

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

Prof. Janete Pereira Amador 1

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)

Cap. 5. Testes de Hipóteses

5. Métricas para Definição de Níveis de Homogeneidade e Heterogeneidade em Sistemas Computacionais Distribuídos

SOLUÇÃO DE EQUAÇÕES DIFERENCIAIS POR DIFERENÇAS FINITAS-JM Balthazar- Maio Resolvendo um Problema de Condução de Calor

MAE0229 Introdução à Probabilidade e Estatística II

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade

8. INFERÊNCIA PARA DUAS POPULAÇÕES

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

MEDIDAS DE TENDÊNCIA CENTRAL I

Forma padrão do modelo de Programação Linear

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

Projeto e Análise de Algoritmos Aula 2: Função de Complexidade Notação Assintótica (GPV 0.3)

Sumário. Mecânica. Sistemas de partículas

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Introdução à Decomposição de Dantzig Wolfe

Medidas de Tendência Central

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade

Capítulo V - Interpolação Polinomial

Cálculo Numérico Interpolação Polinomial Ajuste de Curvas (Parte II)

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Probabilidade II Aula 10

Econometria: 3 - Regressão Múltipla

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

5 Aplicação do GFMM no BEM

2- Resolução de Sistemas Não-lineares.

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Distribuições de Probabilidades

5 Cálculo Diferencial em IR n

Atividades relacionadas à ManjarBrancoG

6 Formulação probabilística para problemas de acoplamento fluido mecânico

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Os Fundamentos da Física (8 a edição)

6. Medidas de assimetria e curtose

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA CADERNOS DE MATEMÁTICA E ESTATÍSTICA SÉRIE B: TRABALHO DE APOIO DIDÁTICO

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

Estatística - exestatmeddisper.doc 25/02/09

Métodos iterativos. Capítulo O Método de Jacobi

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Matrizes e Polinômios

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Problema de transporte

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

XXIX OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 (Ensino Médio) GABARITO

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

MEDIDAS DE DISPERSÃO:

VOLUME Considerando a transformação isocórica: p T. = com T em Kelvin. T 1. N p = K. = 1, N/m 2. Logo, p 2.

Operadores Lineares e Matrizes

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

? Isso é, d i= ( x i. . Percebeu que

Estimação pontual, estimação intervalar e tamanho de amostras

Transcrição:

Departaeto de Iforátca Dscpla: do Desepeho de Ssteas de Coputação Cadeas de Marov I Processos de Marov (ou PE Marovao) Sea u processo estocástco caracterzado pela seüêca de v.a s X(t ),,,, Sea X(t ) a descrção do estado atual do processo A seüêca (X(t + +), X(t + +), ) é o futuro do processo A seüêca ( X(t ), X(t ),, X(t - ) ) é o passado do processo Prof. Sérgo Colcher colcher@f.puc-ro.br U PE é dto Marovao se ele satsfaz a segute propredade M (propredade arovaa) M: dado o estado atual, o futuro do processo ão depede do seu passado Copyrght 999- by TeleMída Lab. Cadea de Marov U processo estocástco x(t) ) fora ua Cadea de Marov se, para todo tero e ualuer seuêca t,..., t + tal ue t < t <... < t, te-se [ ( + ) + ( ), ( ),, ( ) ] P[ x( t ) x( t ) ] P x t x t x t x t + + Cadea de Marov de Tepo Dscreto U processo estocástco {x } fora ua Cadea de Marov de Tepo Dscreto se, para todo tero te-se [ + +,,, ] P[ x x ] P x x x x + + Ode,,, + são toados de u espaço de estados dscreto Ode,,, + são toados de u espaço de estados dscreto

Processo de Cotage Processo estocástco {N(t), t } é de cotage se N(t) ) represeta o úero total de evetos ue ocorre etre (, t] Por defção, N(t) ) satsfaz: N(t) N(t) assue valores teros s < t N(s) N(t) s < t N(t) N(s) úero de evetos durate o tervalo (s,t] Processo de Cotage Icreetos depedetes: processo de cotage o ual o úero de evetos ocorrdos e tervalos de tepos dsutos são depedetes Exeplo: o processo de cotage o tervalo (5,] ão depede do processo de cotage e (,5] 5 6 Processo de Cotage Icreetos estacoáros: úero de evetos e (t +s, t +s] depede soete da apltude do tervalo (t t ) Ou sea, N(t +s) N(t +s) te a esa dstrbução ue N(t ) N(t ),, ode t > t e s > t t s+t s+t Processo de Posso (PP) N(t) é u processo de Posso se: N(t) é u processo de cotage N() Te creetos depedetes e estacoáros Núero de evetos e ualuer tervalo de apltude t é dstrbuído coo ua varável de Posso co éda λt, ou sea: -λt e ( λt) P{ N( t + s) N( s) },,, e s, t! 7 8

Processo de Posso Tepo etre chegadas Eveto {T > t } sgfca ue ão acoteceu chegada algua do processo de Posso o tervalo (, t] -λt e ( λt) P{ N( t + s) N( s) }! P{T > t} } P{N(t) N() } P{N(t) } e -λt Repetdo o racocío para u tervalo (s, s+t] P{T > t T s} P{ evetos e (s, s+t]} e -λt Tepos Etre Evetos e u PP Varável Aleatóra Expoecal F x (X) ( e λx ) u(x) Propredade ( se eóra ou se passado ): P[ x > t + s x > s] P[ x > t] A probabldade de u copoete ue á fucoou s horas fucoar as t horas é gual a probabldade de u copoete ovo fucoar t horas. Coclu-se ue T,,,... são v.a.s expoecas, depedetes e detcaete dstrbuídas (d) 9 Cadeas de Marov Tepo Dscreto ou Tepo Cotíuo Abas co Espaço de Estados Dscreto [Kleroc] Exeplo do Hppe Vaate U hppe vaate coeça toado caroa e ua cdade. Por algu otvo, ele sepre pega ua ova caroa ao fal de cada da, co o prero ue se dspõe a levá-lo, se se preocupar co o desto. Ele acaba vaado aleatoraete pelas cdades próxas co as probabldade lustradas.

Hppe Vaate Depos do prero da, ele estará e co probabldade / ou e co probabldade / A probabldade de retorar a va o segudo da é de /6 e de retorar a va o segudo é de /6 Logo, a probabldade de retorar a o segudo da é de /6 / Pode-se efetuar calcular cálculos parecdos para os das, etc. e tabé para as cdades, etc. Cadeas de Marov de Tepo Dscreto Ua seüêca de varáves aleatóras X, X,... fora ua cadea de Marov de tepo dscreto se, para todo (,,...) e para todos os valores das varáves aleatóras, te-se ue [,,, ] P[ X X ] P X X X X No caso do exeplo do vaate, sso sgfca dzer ue a próxa cdade vstada depede apeas da atual e ão das cdades á vstadas Cadeas de Marov de Tepo Dscreto (CMTD) Se, alé de ão depeder das cdades vstadas, a probabldade tabé ão depeder de,, te- se ua Cadea de Marov Hoogêea represeta a probabldade de se r para o estado dado ue se está o estado. p Idepedete do [ ] p P X X Matrz de Trasções e Dagraa de Trasções de Ua CMTD Hoogêea / / P / / / / Probabldade de r de para P p Probabldade de r de para Dagraa de Trasções da CMTD Hoogêea 5 6

Matrz Estocástca Ua atrz ualuer é dta estocástca uado todos os seus eleetos são ão egatvos e a soa dos valores e ualuer de suas lhas é gual a. A atrz uadrada P [ p ], de taaho, é dta estocástca sse () p para todo, () p para todo, Teorea: A atrz de trasções de ua CMTD é estocástca / / P / / / / Hppe Vaate Dado o estado atual,, a probabldade de se estar e u estado passadas trasções é represetada por [ ] p P X + X Pela defção de Cadea de Marov de Tepo Dscreto, chegar o estado e passos só depede de ode se está o passo - Exeplo: p p p + p p + p p () () () () 7 8 Cadeas de Marov de Tepo Dscreto Pela defção de Cadea de Marov de Tepo Dscreto, chegar o estado e passos só depede de ode se está o passo - De fora recursva ( ) p p p Probabldade dos Estados [ ] Sea P X a probabldade de se ecotrar o sstea o estado o passo Vetor de probabldade o passo,,,,,, é o estado cal () () () () Se teos u estado cal deterístco, etão o vetor () te u dos eleetos gual a e os deas guas a zero Ex.: se arbtraros ue o hppe coeça a cdade () [,, ] 9

Evolução do Sstea Evolução do Sstea Probabldades das Trasções / / P [ p ] / / / / Vetor de probabldades o passo,,, Estado cal correspode ao passo : () ( ) p p p p + p + p + () () () p + p + p + () () () () () () () p p p p () () () () () () p p [,,..., ] [,,..., ] p p p () () P P P P P () () () () P P ( ) () Resudo: a Evolução do Sstea Vetor de probabldades o passo Estado cal correspode ao passo : Estados Segutes:,,, () () () P P P P P () () () () P P ( ) () Evolução do Sstea...,,5,88,,,75,6,59,5,8,5,688,5,5,5 P P ( ) () / / P / / / /

Evolução do Sstea Evolução do Sstea......,5,88,,99,,,75,5,89,8,75,8,57,5,5,5,88,,99,,5,,66,85,8,5,5,5,56,5 P P ( ) () P P ( ) () / / P / / / / / / P / / / / 5 6 Evolução do Sstea...,,75,6,98,,,,,6,88,77,8,,55,5,5,5,5 P P ( ) () / / P / / / / Questão Gostaríaos de saber se exste (e, e caso postvo, e ue stuações exste) u couto de probabldades { } ue descreva a probabldade do hppe estar e ua cdade e u tepo arbtráro do futuro Isto é, gostaríaos de saber se exste ua dstrbução de probabldades estacoára tal ue ão depede do tepo depos de ua possível fase trasete,, o sstea etre e rege de eulíbro o ual as probabldades de se estar o estado são guas a, depedeteete do tepo e da dstrbução cal { () }. 7 8

Defção: Cadeas de Marov Irredutíves Irredutível: uado todos os estados são possíves de sere alcaçados a partr de ualuer outro estado, sto é, : p >, p > Exeplo de Cadea ue ão é rredutível: Ua cadea é rredutível se for fechada e ão cotver sub-coutos fechados Sub-couto fechado de estados Defdo: Probabldade de Retoro f P Prero retoro ao E ocorra passos depos de dexar o E etão, a probabldade de se retorar ao estado (E ) e u úero ualuer de passos é: f f Se f estado recorrete Se f < estado trasete Se os úcos passos e ue o sstea pode retorar ao estado são γ,, γ, γ,... (coγ> ) estado peródco período γ se γ estado aperódco 9 Tepo Médo de Retoro Cosderado os estados e ue f (estados recorretes), defe-se o tepo édo de retoro coo Se M Estado recorrete ulo Se M < M Estado recorrete ão ulo f Teorea: Teorea (se deostração) Os estados de ua cadea de Marov rredutível pode ser: ou todos trasetes ou todos recorretes ão ulos ou todos recorretes ulos ou todos peródcos de eso período

Teorea (se deostração) Sea P[ X ] a probabldade de se ecotrar o sstea o estado o passo Teorea: E ua Cadea de Marov hoogêea rredutível e aperódca. as probabldades l sepre exste e são () depedetes das probabldades cas.. Ua das duas stuações se verfca. todos os estados são trasetes ou todos os estados são recorretes ulos, casos e ue para todo e ão exste ua dstrbução estacoára. { } todos os estados são recorretes ão ulos, caso e ue > para todo e exste ua dstrbução estacoára e M OBS.: e ua cadea fta, a stuação. é a úca possível Vetor de probabldade o passo Estado cal correspode ao passo : Estados Segutes: Trasete,,, () () () P P P P P () () () () P P ( ) () Trasete para Estacoáro P P ( ) () l l P ( ) P 5 p No caso., Coseüêca do Teorea 6 sto é, uado todos os estados são recorretes ão ulos caso e ue > para todo e exste ua dstrbução estacoára e te-se ue os são uvocaete deterados por eo das segutes euações p M

Coseüêca do Teorea N (): úero de vstas ao estado até o state N P l : freüêca co ue o processo vsta o estado Ergodcdade U estado é dto ergódgo uado é, ao eso tepo, aperódco γ recorrete ão ulo f M < Quado todos os estados de ua cadea são ergódgos etão a cadea é dta ergódga 7 8 Pelo Teorea Ergodcdade E ua Cadea de Marov hoogêea rredutível e aperódca. as probabldades l sepre exste e são depedetes das probabldades cas { ()}.. Ua das duas stuação é verdadera..... todos os estados são recorretes ão ulos, caso e ue > para todo e exste ua dstrbução estacoára É possível ostrar ue, se ua cadea é ergódga, ela é rredutível e, e sedo hoogêea, vale a stuação. Logo l sepre exste e é depedete de () { } Ergodcdade Lebrado da prera coseüêca do Teorea : No caso. (sto é, todos os estados são recorretes ão ulos, caso e ue > para todo e exste ua dstrbução estacoára ) te-se ue os são uvocaete deterados por eo das segutes euações p logo, se a cadea é ergódga, os são uvocaete deterados por eo dessas euações É possível ostrar ue o setdo verso tabé é verdadero, sto é Se a solução do sstea de euações exstr e for ão ula, etão a cadea é ergódga Ou sea: te-se coo codção sufcete para ergodcdade a exstêca de ua solução úca do sstea de euações aca 9

Matrz de Probabldades Matrz de Probabldades P p P p Teorea p / / P / / / / P [,,, ] Teorea p / / P / / / / [,,, ] p + p + p + + p + p + p + + p + p + p + + Solução o Eulíbro P, 5 7,8 5,5 5 Dstrbução geoétrca Cosdere experetos de Beroull depedetes, cada u co probabldade de êxto p x v.a. Ge(p) represetado o úero de tetatvas até cosegur o prero êxto X { } P x X p p X,,... Fução de dstrbução: X F ( X ) p p x

Tepo de Peraêca e u Estado Cadea de Marov de Tepo Dscreto Cosdere ue o sstea acabou de etrar o estado E Ele peraecerá esse estado o próxo passo co probabldade p ; logo, ele dexará esse estado co probabldade p. Se ele de fato peraecer o estado E o próxo passo, o passo segute ele voltará a ter probabldade p de peraecer esse estado e, de aera dêtca, probabldade p de dexá-lo. Pela propredade arovaa, o fato de o sstea ter peraecdo esse estado por u úero ualuer de passos ão terfere a probabldade de ue ele veha a dexar esse estado o próxo passo. [ peraêca e E por as passos acabou de etrar e E ] ( ) P p p Dstrbução Geoétrca: úca dstrbução dscreta se eóra Cadeas de Marov de Tepo Dscreto CMTD Hoogêeas: probabldade de trasção ão depede e da seüêca de estados e e dos passos [ ] p P X X CMTD Não Hoogêeas: probabldade de trasção ão depede da seüêca de estados as depede do úero de passos dados [ ] p, P X X, 5 6 Estado CMTDs Não Hoogêeas [ ] Passo p, P X X, E algu passo teredáro o sstea passou por u estado E passar pelos dferetes estados teredáros são evetos utuaete exclusvos p, P X, X X, CMTDs Não Hoogêeas p, P X, X X, p (, ) P X, X, X P X [ ] P X, X, X P X, X P[ X ] P X, X P X, X P X, X, X P[ X ] P X, X p (, ) P X X P X X, X 7 8

CMTDs Não Hoogêeas [ ] p, P X X, Váldo para ualuer cadea (eso as ue ão são arovaas) 9 p (, ) P X X P X X, X Propredade arovaa: P X X, X P X X p (, ) Logo: p (, ) p, p,, Euação de Chapa-Kologorov Chapa-Kologorov p (, ) p, p,, 5 Ou sea: podeos partcoar a probabldade de se atgr o estado a partr do estado e ( ) ) passos a soa dos produtos das probabldades dos ( ) e ( ) passos, cosderado todos os estados teredáros ue pode ter sdo ocupados o state. Estado Passo Chapa-Kologorov Se a cadea é hoogêea [ + ] [ ] p P X X p (, ) P X X p ( ) Se a cadea é hoogêea e + p (, ) p (, ) p (, ), () p (, ) p, p p, p ( s) ( s ) 5 p p p (Resultado á obtdo aterorete) Chapa-Kologorov a Fora Matrcal p (, ) p, p,, ( + ) P p, P( ) P se a cadea for hoogêea 5 No caso da cadea hoogêea: Trasção de passos gera atrz P. No caso da cadea heterogêea: Defção: H(, ) p (, ) Note ue H(, + ) P e, o caso hoogêeo, H(, + ) P.

Chapa-Kologorov a Fora Matrcal p (, ) p, p,, Pode-se escolher ualuer state etre e. Vaos exeplfcar dos: (forward Chapa-Kologorov E.) + (bacward Chapa-Kologorov E.) Euações de Chapa-Kologorov (Fw e Bw) Forward: p (, ) p, p,, H(, ) H(, ) P( ) Bacward: p (, ) p, + p +,, H(, ) P H( +, ) Por substtução: H(, ) P P( + ) P( ) 5 5