Help shape GoConqr. What should we add next?

Mind map

CADENA DE MARKOV

Andrea Diaz Spanish

Map content

CADENA DE MARKOV

  1. Tipo especial de proceso estocástico discreto en el que la probabilidad de que ocurra un evento depende solamente del evento inmediatamente anterior.

    • Cadenas homogeneas
      • si la probabilidad de ir del estado i al estado j en un paso no depende del tiempo en el que se encuentra la cadena
    • Cadenas no homogenias
      • Si para alguna pareja de estados y para algún tiempo n la propiedad antes mencionada no se cumple diremos que la cadena de Márkov es no homogénea
    • Proceso estocastico
      • Es un proceso que se desarrolla de manera aleatoria en el tiempo
    • FINITA
      • Es una cadena de Markov para la que existe sólo un número finito k de estados posibles s1,...,sk y en cualquier instante de tiempo la cadena está en uno de estos k estados
    • PROBABILIDAD DE TRANSICIÓN
      • Es la probabilidad condicionada P(Xn+1 = sj | Xn = si)
    • PROBABILIDAD DE TRANSICIÓN ESTACIONARIA
      • Una cadena de Markov tiene probabilidades de transición estacionarias si para cualquier par de estados si y sj existe una probabilidad de transición pij tal que P(Xn+1 = sj | Xn = si) = pij para n = 1, 2,..
    • MATRIZ DE TRANSICIÓN
      • MATRIZ ESTOCÁSTICA
        • Es una matriz cuadrada cuyos elementos son no negativos y tal que la suma de los elementos de cada fila es igual a 1.
      • MATRIZ DE TRANSICIÓN EN UN SOLO PASO
        • Dada una cadena de Markov con k estados posibles s1,...,sk y probabilidades de transición estacionarias. Si pij = P(Xn+1 = sj |Xn = si)La matriz de transición P de cualquier cadena de Markov finita con probabilidades de transición estacionarias es una matriz estocástica
      • MATRIZ DE TRANSICIÓN EN VARIOS PASOS
        • Dada una cadena de Markov con k posibles estados s1,...,sk y matriz de transición P Si notamos p (2) ij = P(Xn+2 = sj |Xn = si)
    • VECTOR DE PROBABILIDADES
      • w = (w1,...,wk) se llama vector de probabilidades si N wi ≥ 0 para i = 1,...,k, y N X k i=1 wi = 1. Consideramos una cadena de Markov con: 1. s1,...,sk posibles estados en los que la cadena puede estar en el tiempo de observación inicial n = 1 2. Para i = 1,...,k; P(X1 = si) = vi, con vi ≥ 0 y v1 + ... + vk = 1
    • VECTOR DE PROBABILIDADES INICIALES
      • El vector de probabilidades iniciales y la matriz de transición determinan la probabilidad para el estado de la cadena en el segundo instante de tiempo, dicha probabilidad viene dada por el vector vP
  2. ANDREA CAROLINA DIAZ GALINDO

Information

Description
Mind Map on CADENA DE MARKOV, created by Andrea Diaz on 20/04/2018.
Created by
Andrea Diaz · Apr 2018
Updated
Apr 20, 2018
Views
0
Rating

More on Cadenas y procesos de Markov

Feedback

What is it about?

What should we add next?