Markov-ketjun hetkittäinen käyttäytyminen

Samankaltaiset tiedostot
Markov-ketjun hetkittäinen käyttäytyminen

Markov-ketjut pitkällä aikavälillä

Markov-ketjut pitkällä aikavälillä

Erilaisia Markov-ketjuja

Jatkuva-aikaisten Markov-prosessien aikakehitys

Markov-kustannusmallit ja kulkuajat

Jatkuva-aikaisia Markov-prosesseja

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

S Laskennallinen systeemibiologia

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

8. laskuharjoituskierros, vko 11, ratkaisut

Markov-kustannusmallit ja kulkuajat

Tilastollinen todennäköisyys

10 Kertolaskusääntö. Kahta tapahtumaa tai satunnaisilmiötä sanotaan riippumattomiksi, jos toisen tulos ei millään tavalla vaikuta toiseen.

Jatkuvan aikavälin stokastisia prosesseja

Esimerkki: Tietoliikennekytkin

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua)

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

T Datasta tietoon, syksy 2005 Laskuharjoitus 8.12., ratkaisuja Jouni Seppänen

SMG-4200 Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 6 ratkaisuiksi

LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3

Insinöörimatematiikka IA

****************************************************************** ****************************************************************** 7 Esim.

= true C = true) θ i2. = true C = false) Näiden arvot löydetään kuten edellä Kun verkko on opetettu, niin havainto [x 1

Matematiikan tukikurssi

Luento 6 Luotettavuus Koherentit järjestelmät

MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla.

RATKAISUT x 2 3 = x 2 + 2x + 1, eli 2x 2 2x 4 = 0, joka on yhtäpitävä yhtälön x 2 x 2 = 0. Toisen asteen yhtälön ratkaisukaavalla saadaan

Luento 7 Luotettavuus Koherentit järjestelmät

Matematiikan tukikurssi

Osa 2: Otokset, otosjakaumat ja estimointi

811312A Tietorakenteet ja algoritmit , Harjoitus 1 ratkaisu

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

MS-A0004/A0006 Matriisilaskenta

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1

Kertaa tarvittaessa induktiota ja rekursiota koskevia tietoja.

Otantajakauma. Otantajakauman käyttö päättelyssä. Otantajakauman käyttö päättelyssä

Markov-ketjuja suurilla tila-avaruuksilla

Mat Lineaarinen ohjelmointi

Insinöörimatematiikka D

Mat Sovellettu todennäköisyyslasku A. Diskreetit jakaumat Jatkuvat jakaumat. Avainsanat:

1 p p P (X 0 = 0) P (X 0 = 1) =

Valintahetket ja pysäytetyt martingaalit

Insinöörimatematiikka D

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

3.6. Geometrisen summan sovelluksia

Otantajakauman käyttö päättelyssä

Insinöörimatematiikka D

3 10 ei ole rationaaliluku.

6.1 Riippumattomat satunnaismuuttujat

Tehtävä 1. Voidaanko seuraavat luvut esittää kahden neliön summina? Jos voidaan, niin kuinka monella eri tavalla? (i) n = 145 (ii) n = 770.

Stokastiset prosessit. Lasse Leskelä Aalto-yliopisto

Solmu 3/ toteutuu kaikilla u,v I ja λ ]0,1[. Se on aidosti konveksi, jos. f ( λu+(1 λ)v ) < λf(u)+(1 λ)f(v) (2)

STOKASTISET PROSESSIT Peruskäsitteitä

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

tilavuudessa dr dk hetkellä t olevien elektronien

Tilastolliset luottamusvälit

Insinöörimatematiikka D

Aritmeettinen jono

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Ehdollinen todennäköisyys

EX1 EX 2 EX =

Matematiikka ja teknologia, kevät 2011

Poisson-prosessien ominaisuuksia ja esimerkkilaskuja

Generoivat funktiot, Poisson- ja eksponenttijakaumat

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Diskreetin Matematiikan Paja Ratkaisuja viikolle 4. ( ) Jeremias Berg. n(n + 1) 2. k =

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Martingaalit ja informaatioprosessit

811312A Tietorakenteet ja algoritmit, , Harjoitus 4, Ratkaisu

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4.

Parametrien oppiminen

Tilastollinen päättömyys, kevät 2017 Harjoitus 6A

Mat Sovellettu todennäköisyyslasku A

xe y = ye x e y + xe y y = y e x + e x y xe y y y e x = ye x e y y (xe y e x ) = ye x e y y = yex e y xe y e x = x 3 + x 2 16x + 64 = D(x)

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

2.8. Kannanvaihto R n :ssä

Talousmatematiikan perusteet: Luento 9. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo

TILASTOT: johdantoa ja käsitteitä

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

j = I A = 108 A m 2. (1) u kg m m 3, (2) v =

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

Matematiikka B2 - TUDI

802320A LINEAARIALGEBRA OSA III

Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin

Seuraavat peruslauseet 1-8 voidaan helposti todistaa integraalin määritelmästä. Integroimisjoukko R oletetaan rajoitetuksi Jordanmitalliseksi

Todennäköisyys, että yhden minuutin aikana saapuu 2 4 autoa.

MS-C1340 Lineaarialgebra ja

Matriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A =

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1

T Rinnakkaiset ja hajautetut digitaaliset järjestelmät Stokastinen analyysi

Tehtäväsarja I Seuraavat tehtävät liittyvät kurssimateriaalin lukuun 7 eli vapauden käsitteeseen ja homogeenisiin

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset

Matematiikan ja tilastotieteen laitos Matematiikka tutuksi Harjoitus 2, malliratkaisut

Lineaarialgebra ja matriisilaskenta I

Transkriptio:

Matematiika ja systeemiaalyysi laitos B Markov-ketju hetkittäie käyttäytymie Tämä harjoitukse tavoitteea o oppia muodostamaa Markov-malleja satuaisilmiöille, piirtämää tiettyä siirtymämatriisia vastaava siirtymäkaavio ja laskemaa Markov-ketjuje hetkittäisiä jakaumia matriisilaskea keioi. Jos mahdollista, harjoituksii kaattaa tuoda mukaa kaettava tietokoe tai laski, jolla voi laskea tehtävissä esiityvie matriisilaskuje lukuarvot. Alla o kuhuki tehtävää esitetty malliratkaisut puaisella sekä malliratkaisuje lisämateriaalit siisellä. Tutitehtävät B Tarkastellaa tähtimäistä verkkoa, joka solmujoukko o V = {, 2,..., }, ja joka sisältää likit x ja x, x = 2, 3,...,, mutta ei muita likkejä. (a) Piirrä verkko ja kirjoita se aapuruusmatriisi G tapauksessa = 4. Ratkaisu. Jos = 4, ii verkko ja se aapuruusmatriisi G ovat: 2 4 3 Matriisi G alkioille pätee 0 G = 0 0 0 0 0 0 0 0 0 G(x, y) = { x y 0 muute (b) Tarkista, että luetomoistee PageRak-malli yhteydessä (esimerkki 2.3) määritelty matriisi P todella o siirtymämatriisi, eli että P : alkiot ovat ei-egatiivisia ja rivisummat ykkösiä. Ratkaisu. Muistetaa, että P (x, y) = c + ( c) G(x, y) y V G(x, y ), missä V = sekä G o verko aapuruusmatriisi. Muistetaa, että G(x, y ) > 0, y V / 7

Matematiika ja systeemiaalyysi laitos jokaiselle x V. Tämä lisäksi, parametri c tulkitaa todeäköisyyteä, jote 0 c. i. Huomataa, että jokaiselle x, y V pätee 0 G(x, y) y V G(x, y ). Näi G(x, y) olle o selvää, että P (x, y) o yksikkövälissä olevie lukuje y V G(x, y ) ja koveksi kombiaatio. Tämä siis tarkoittaa, että 0 P (x, y). ii. Huomataa, että jokaiselle x V pätee P (x, y) = c y V G(x, y) + ( c) y V G(x, y ) y V y V = c + ( c) = (c) Kirjoita siirtymämatriisi P ja piirrä se siirtymäkaavio tapauksessa = 4 vaimeuskertoime arvoille c =, c = 0 ja c =. Mite kuvailisit Markov-ketju käyttäytymistä tapauksessa c =? Ratkaisu. Olkoo = 4 ja merkitää P c = (P c (i, j)) i,j 4, jossa P c (i, j) = 4 c + ( c) G(i, j) 4 k= G(i, k). Näi olle, saadaa /8 7/24 7/24 7/24 P = 5/8 /8 /8 /8 5/8 /8 /8 /8, 5/8 /8 /8 /8 0 /3 /3 /3 P 0 = 0 0 0 0 0 0, 0 0 0 /4 /4 /4 /4 P = /4 /4 /4 /4 /4 /4 /4 /4, /4 /4 /4 /4 (d) Oletetaa, että c (0, ). Mikä o todeäköisyys että solmusta käyistyvä ketju löydetää yhde ajahetke kuluttua solmusta? Ratkaisu. Solmusta käyistyvä ketju löydetää yhde ajahetke kuluttua 2 / 7

Matematiika ja systeemiaalyysi laitos solmusta todeäköisyydellä P c (, ) = c + ( c) G(, ) k= G(, k) = c + ( c) 0 = c. (e) Etä kahde ajahetke kuluttua? Ratkaisu. Laskettava todeäköisyys o P 2 c (, ), eli P 2 c (, ) = P c (, s)p c (s, ) s= = (P c (, )) 2 + = ( c)2 + = c2 2 + k=2 [ ] [ ] c + ( c) G(, s) k= G(, k) c + ( c) G(s, ) k= G(s, k) [ c + ( c) ] [ + c c k=2 [ c ( ) c + c2 = = c c + ( c). ] [ ] c + ( c) ] ( ) B2 Kalvoväätäjät Oyj o liikkeejohdo kosulttiyhtiö, joka työtekijät o jaoteltu kolmee palkkaluokkaa: = juiorit, 2 = seiorit ja 3 = parterit. Viiko alussa juioriasemassa oleva työtekijä yleee seioriksi t:llä 0.03 ja muute jatkaa samassa asemassa seuraava viiko alussa. Vastaavasti seiori yleee parteriksi t:llä 0.0 ja muute jatkaa samassa asemassa. Parteri oletetaa jatkava samassa asemassa hamaa tulevaisuutee. Oletetaa yksikertaisuude vuoksi, että työtekijät eivät poistu yhtiö palveluksesta tarkasteltavalla aikajäteellä. (a) Mallia yksittäise työtekijä palkkaluokkaa tilajouko S = {, 2, 3} Markovketjua, kirjoita ketju siirtymämatriisi ja piirrä siirtymäkaavio. Ratkaisu. Merkitää S = {, 2, 3}. Ketju siirtymämatriisi sekä se siirtymäkaavio ovat 0.97 0.03 0 P = 0 0.99 0.0 0 0 3 / 7

Matematiika ja systeemiaalyysi laitos 0.97 0.99 0.03 0.0 2 3 (b) Laske juioria aloittava työtekijä palkkaluoka tilajakauma 0 viiko jälkee. Ratkaisu. Alkujakauma o µ 0 = [P(X 0 = ) P(X 0 = 2) P(X 0 = 3)] = [ 0 0]. Kysytty jakauma o µ 0 = µ 0 P 0. Tietokoee avulla lasketaa 0.7374 0.2504 0.02 P 0 = 0 0.9044 0.0956. 0 0 Näi olle saadaa µ 0 = [0.7374 0.2504 0.02]. (c) Millä todeäköisyydellä yhtiö palveluksee palkattu juiori o yletyyt parteriksi vuode kuluessa? Ratkaisu. Kysytty t o P(X 52 = 3 X 0 = ). Tietokoee avulla lasketaa 0.2052 0.587 0.23 P 52 = 0 0.5930 0.4070. 0 0 Todeäköisyys, että yhtiö palveluksee palkattu juiori o yletyyt parteriksi vuode kuluessa o P(X 52 = 3 X 0 = ) = P 52 (, 3) = 0.23. (d) Millä todeäköisyydellä yhtiöö seioriksi palkattu hekilö ei ole yletyyt parteriksi vuode kuluttua? Ratkaisu. Todeäköisyys, että seioriksi palkattu hekilö ei ole yletyyt parteriksi vuode kuluessa o P(X 52 = 3 X 0 = 2) = P 52 (2, 3) = 0.4070 = 0.5930. 4 / 7

Matematiika ja systeemiaalyysi laitos Kotitehtävät B3 Syyskuu säätilaa pääkaupukiseudulla mallietaa tila-avaruude S = {, 2, 3} diskreettiaikaisella Markov-ketjulla, jossa = sateista, 2 = pilvistä ja 3 = aurikoista, ja siirtymämatriisi o 0.2 0.7 0. P = 0.2 0.7 0.. 0. 0.5 0.4 (a) Jos huomea o pilvistä, ii millä todeäköisyydellä myös ylihuomea o pilvistä? Etä ylihuomista seuraavaa päivää? Ratkaisu. Tässä tapauksessa merkitää huomise säätilaa X 0 = 2. Todeäköisyys, että ylihuomea (X ) o pilvistä o P(X = 2 X 0 = 2) = P (2, 2) = 0.7. Toisaalta, todeäköisyys, että ylihuomista seuraavaa päivää (X 2 ) o pilvistä o P(X 2 = 2 X 0 = 2) = P 2 (2, 2) = 0.68. Viimeie tulos saadaa matriisista 0.9 0.68 0.3 P 2 = 0.9 0.68 0.3. 0.6 0.62 0.22 (b) Jos esi suutaia o aurikoista, ii millä todeäköisyydellä suutaita seuraa peräkkäi vähitää eljä aurikoista päivää? Ratkaisu. Tässä tapauksessa X 0 = 3. Kysytty t o P(X 4 = 3, X 3 = 3, X 2 = 3, X = 3 X 0 = 3). Miksi? Huomaa, että P(A B C) = P(A C)P(B A C). Näi olle saadaa P(X 4 = 3, X 3 = 3, X 2 = 3, X = 3 X 0 = 3) = = P(X 3 = 3, X 2 = 3, X = 3 X 0 = 3)P(X 4 = 3 X 3 = 3, X 2 = 3, X = 3, X 0 = 3) = P(X 2 = 3, X = 3 X 0 = 3)P(X 3 = 3 X 2 = 3, X = 3, X 0 = 3)P (3, 3) = P(X = 3 X 0 = 3)P(X 2 = 3 X = 3, X 0 = 3)P (3, 3)P (3, 3) = P (3, 3)P (3, 3)P (3, 3)P (3, 3) = (P (3, 3)) 4 = 0.0256 (c) Laske viiko 38 (9.9.206 25.9.206) lauatai ja suutai säätiloje jakaumat, ku oletetaa, että kyseise viiko maaataia o pilvistä. Kumpaa viikolopu päivää sataa todeäköisimmi? 5 / 7

Matematiika ja systeemiaalyysi laitos Ratkaisu. Merkitää X 0 = 2 sitä, että kyseise viiko maaataia o pilvistä. Näi olle alkutilajakauma o µ 0 = [0 0]. Kysytyt tilajakaumat ovat µ 5 = [P(X 5 = ) P(X 5 = 2) P(X 5 = 3)], µ 6 = [P(X 6 = ) P(X 6 = 2) P(X 6 = 3)]. Tietokoee avulla saadaa 0.858 0.677 0.425 P 5 = 0.858 0.677 0.425, 0.850 0.6700 0.449 0.857 0.675 0.428 P 6 = 0.857 0.675 0.428. 0.855 0.670 0.435 Tästä ähdää, että µ 5 = µ 0 P 5 = [0.858 0.677 0.425], µ 6 = µ 0 P 6 = [0.857 0.675 0.428]. Huomaa, että µ 5 () > µ 6 (), jote lauataia sataa todeäköisimmi. (Voidaa saoa, että lauataia sekä suutaia sataa melkei samalla todeäköisyydellä) Lisäys. Erityisesti matriisi P 6 kaikki rivit ovat lähes samat. Näi olle käytäössä riippumatta maaatai säätilasta suutaia paistaa t:llä 0.857, o pilvistä t:llä 0.675 ja sataa t:llä 0.428. Likimai samat rivit saadaa myös P 7 :lle, P 8 :lle je. Tämä o k.o. Markov-ketju alkutilasta riippumato rajajakauma ja kurssi seuraava aihe. Rajajakauma voidaa myös tulkita syyskuu pitkä aikaväli sääkeskiarvoa. B4 Tarkastellaa seuraavaa yksikertaista geeie periytyvyysmallia. Oletetaa, että yksilö tiety piirtee määrää geeipari, joka kumpiki osae voi olla kahta mahdollista alleelia, A tai a. Mahdolliset yhdistelmät eli geotyypit ovat siis AA (domioiva homotsygootti), Aa (heterotsygootti ) ja aa (resessiivie homotsygootti). Seurataa yhde domioivaa homotsygoottia geotyyppiä AA oleva yksilö jälkeläisiä kymmeessä sukupolvessa. Oletetaa, että tämä yksilö saa jälkeläise heterotsygooti (Aa) yksilö kassa, tämä jälkeläie saa edellee jälkeläise heterotsygooti (Aa) yksilö kassa, ja ii edellee kymmeetee sukupolvee asti. Periöllisyydestä tiedetää seuraavaa. Geotyyppie AA ja Aa vahempie jälkeläie o todeäköisyydellä geotyyppiä 2 AA, muute Aa. Geotyyppie aa ja Aa vahempie jälkeläie o todeäköisyydellä 2 geotyyppiä aa, muute Aa. Kahde geotyyppiä Aa oleva vahemma jälkeläie o todeäköisyydellä geotyyppiä AA, todeäköisyydellä geotyyppiä Aa ja todeäköisyydellä geotyyppiä aa. 4 2 4 Yhdistelmä aa geeettisesti ekvivaletti yhdistelmä Aa kassa, jote emme erottele äitä. 6 / 7

Matematiika ja systeemiaalyysi laitos (a) Muodosta ylläoleva perusteella tilajouko {AA, Aa, aa} Markov-ketju siirtymämatriisi, joka kuvaa jälkeläiste geotyyppejä sukupolvittai. Ratkaisu. Tilajouko {AA, Aa, aa} Markov-ketju siirtymämatriisi sekä siirtymäkaavio ovat 0 P = /4 /4. 0 AA Aa aa /4 (b) Laske malli esiityvyysmatriisi M 0. Ratkaisu. Tietokoee avulla saadaa 0 M 0 = s=0 P s /4 = I + P + P 2 + + P 0 3.9995 5.0000 2.0005 = 2.5000 6.0000 2.5000. 2.0005 5.0000 3.9995 (c) Selvitä esiityvyysmatriisi avulla odotusarvo sille, kuika moi domioiva homotsygooti (AA) yksilö jälkeläie kymmeetee sukupolvee asti o resessiivistä homotsygoottia tyyppiä (aa). Ratkaisu. Tila aa esiityvyys aikavälillä [0, 0] o Tästä ähdää, että 0 N aa (0) = (X s = aa). s=0 E(N aa (0) X 0 = AA) = M 0 (AA, aa) = 2.0005. Lisäys. Tämä tehtävä malli o yksikertaistettu sikäli, että siiä tutkitaa vai yhtä geeiä ja tutkitu lija ulkopuolie geotyyppi o oletettu vakioksi Aa. Periytyvyyttä mallietaa kuiteki todellisuudessaki samahekisiä satuaisprosesseia. 7 / 7