Mapa mental
Las cadenas o modelos de Markov

Contenido del mapa
Las cadenas o modelos de Markov
Es una técnica que maneja las probabilidades de ocurrencia futura. Mediante el análisis de las probabilidades conocidas en el presente.
- Clasificación de estados
- Estado alcanzable: Un estado (j) es alcanzable desde (i) Si existe un camino entre (i) y (j)
- Estados que se comunican: (i) y (j) se comunican entre si, si son alcanzables entre ellos.
- Estados trasciente: un estado (i) es trasciente si existe un estado (j) alcanzable desde (i), pero (i) no es alcanzable des (j)
- Estados recurrente: todo estado que no es trasciente es recurrente.
- Clase comunicante: Es un grupo de nodos que se comunican entre si.
- Cadena de markov irreducible : Es cuando la cadena solo se compone de una clase comunicante.
- Cadena de markov irreducible : Es cuando la cadena solo se compone de una clase comunicante.
- Clase comunicante: Es un grupo de nodos que se comunican entre si.
- Estados recurrente: todo estado que no es trasciente es recurrente.
- Estados trasciente: un estado (i) es trasciente si existe un estado (j) alcanzable desde (i), pero (i) no es alcanzable des (j)
- Estados que se comunican: (i) y (j) se comunican entre si, si son alcanzables entre ellos.
- Estado alcanzable: Un estado (j) es alcanzable desde (i) Si existe un camino entre (i) y (j)
- Probabilidades de transición
- Las probabilidades pueden mostrarse de acuerdo con su estado y su relación entre sí en forma de diagrama de proceso. Los posibles estados se simbolizan con círculos. La probabilidad de una transición entre estados se indica usando flechas y una probabilidad asociada.
- Diagrama de Transicion
- Es el arreglo numérico donde se condensa las probabilidades de un estado a otro. se puede observar el comportamiento estacionariorepresentado por una cadena de Markov tal que los estados representan la categoría en quese encuentre clasificado.
- Es el arreglo numérico donde se condensa las probabilidades de un estado a otro. se puede observar el comportamiento estacionariorepresentado por una cadena de Markov tal que los estados representan la categoría en quese encuentre clasificado.
- Matriz de transición
- Los elementos de matriz representan la probabilidad de que el estado próximo sea el correspondiente a la columna si el estado actual es el correspondiente a la fila.
- Propiedades:
- La suma de las probabilidades de los estados debe ser igual a 1
- La matriz de transición debe ser cuadrada.
- Las probabilidades de transición deben estar entre 0 y 1
- La matriz de transición debe ser cuadrada.
- La suma de las probabilidades de los estados debe ser igual a 1
- Propiedades:
- Los elementos de matriz representan la probabilidad de que el estado próximo sea el correspondiente a la columna si el estado actual es el correspondiente a la fila.
- Diagrama de Transicion
- Las probabilidades pueden mostrarse de acuerdo con su estado y su relación entre sí en forma de diagrama de proceso. Los posibles estados se simbolizan con círculos. La probabilidad de una transición entre estados se indica usando flechas y una probabilidad asociada.
- Probabilidades de estado estable
- La probabilidad de que el sistema este en cualquier estado particular después de un numero elevado de transiciones. Una vez alcanzado este estado la probabilidad de estado no cambia de un periodo a otro.
- Cadenas de markov de tiempo discreto (CMTD)
- 1. Es periódica Si: el maximo común divisor (K) de todos los caminos de ir de (i) y (j) es 1.
- 2, Es periódica: El máximo común divisor es diferente de 1. Clave: Si todo los nodos se comunican entre si Ki=Kj
- 3, Es ergodica si: Es irreducible y aperidofica. Siempre se debe revisar que cumpla las dos condiciones.
- Ecuaciones de Balance
- Lo que entra es igual a lo que sale.
- Ecuación de normalización Σπi=1
- Lo que entra es igual a lo que sale.
- Ecuaciones de Balance
- 1. Es periódica Si: el maximo común divisor (K) de todos los caminos de ir de (i) y (j) es 1.
- Cadenas de markov de tiempo discreto (CMTD)
- La probabilidad de que el sistema este en cualquier estado particular después de un numero elevado de transiciones. Una vez alcanzado este estado la probabilidad de estado no cambia de un periodo a otro.
- Cadenas absorbentes
- Estado adsorbente: Un estado es adsorbente cuando la probabilidad de quedarse allí es 1
- Estado adsorbente: Un estado es adsorbente cuando la probabilidad de quedarse allí es 1
- Clasificación de estados
Dilia Rosa Leal Guarín Grupo: 228006_1
Imágenes y archivos del mapa
Información
- Descripción
- Mapa Mental sobre Las cadenas o modelos de Markov, creado por dilia leal guarin el 25/03/2022.
- Creado por
- dilia leal guarin
- Visitas
- 3
- Valoración
Más sobre Cadenas y procesos de Markov












