- que cada término es igual al doble del anterior más uno (pi+1 = 2 pi + 1 para todo i con 1 ≤ i < n), en cuyo caso se denomina cadena de Cunningham de primera especie;
- o bien que cada término es igual al doble del anterior menos uno (pi+1 = 2 pi - 1 para todo i con 1 ≤ i < n), en cuyo caso se denomina cadena de Cunningham de segunda especie.
Una cadena de Cunningham se dice completa si no se puede extender más allá, es decir, si el término siguiente y el anterior ya no son números primos.
A veces el concepto de cadena de Cunningham se extiende a las llamadas
cadenas generalizadas de Cunningham, que se definen como sucesiones de números primos (
p1,...,
pn) tales que para todo
i con 1 ≤
i <
n,
pi+1 =
api +
b para dos
enteros coprimos dados
a y
b.
Cadenas de Cunningham más largas
Una consecuencia de la
conjetura de Dickson y la más general
hipótesis H de Schinzel (ambas supuestas ciertas
1 ) es que para todo
k existen infinitas cadenas de Cunningham de longitud
k (es decir, con
k términos). Sin embargo, no se conocen métodos directos para generar dichas cadenas.
A fecha de
julio de 2008, la cadena de Cunningham más larga que se conoce es de segunda especie, de longitud 17 y su primer término es 1302312696655394336638441. La cadena de Cunningham más larga que se conoce de primera especie tiene longitud 13 y su primer término es 1753286498051×71# − 1, donde 71# es el
primorial de 71: 2×3×5×7×...×71.
Propiedades derivadas de las congruencias
Cadenas de Cunningham de primera especie
Sea
un número primo distinto de 2 que es el primer término de una cadena de Cunningham de primera especie. El primer término es impar, es decir,
. Como cada uno de los siguientes términos de la sucesión cumple
, se tiene que
. Así,
,
, etc.
Esta propiedad se puede comprobar de manera informal si se consideran los términos de una cadena en
base 2. (Nótese que, como ocurre con cualquier base, si se multiplica un número por la base del
sistema de numeración empleado para su representación, las cifras se desplazan un lugar a la izquierda.) Si se considera
en base 2, se puede ver que, al multiplicar
por 2, la
cifra menos significativa de
pasa a ser la segunda cifra menos significativa de
. Como
es impar, es decir, la cifra menos significativa es 1 en base 2, se sigue que la segunda cifra menos significativa de
también es 1. Además,
también es impar porque se le añade 1 a
. De esta manera, los sucesivos términos de una cadena de Cunningham de primera especie son el resultado de desplazar el anterior un lugar a la izquierda en binario y poner un uno como última cifra. He aquí, a modo de ejemplo, una cadena completa de longitud 6 que empieza con el número 141361469:
Binario | Decimal |
1000011011010000000100111101 | 141361469 |
10000110110100000001001111011 | 282722939 |
100001101101000000010011110111 | 565445879 |
1000011011010000000100111101111 | 1130891759 |
10000110110100000001001111011111 | 2261783519 |
100001101101000000010011110111111 | 4523567039 |
En base decimal, se tiene que los términos de una cadena completa de Cunningham de primera especie de longitud mayor o igual que 4 acaban todos en 9 (en lenguaje matemático,
para cada
i) exceptuando el caso
. Esto se puede considerar fácilmente comprobando los términos siguientes de uno dado acabado en 1, 3, 7 o 9, y considerando que un número entero acabado en 5, exceptuando el propio 5, debe ser compuesto:
- -> -> . y acaban en 5, por tanto, en general no pueden ser primos, y la consecuencia es que:
- una cadena con tiene longitud a lo sumo 3
- una cadena con tiene longitud 2
- no existen cadenas de Cunningham cuyo primer término sea de la forma
- -> , por tanto, todos los siguientes términos acabarán en 9.
Cadenas de Cunningham de segunda especie
Las propiedades de estas cadenas son análogas a las de la primera especie. Sabiendo que
, así como la relación
, se sigue que
. En notación binaria, los términos de una cadena de Cunningham de la segunda especie acabarán en "0...01", y cada término tendrá un cero más que el anterior antes del uno. Y en notación binaria se puede demostrar análogamente que los términos de las cadenas de longitud 4 o más acaban todos en 1.
Sólo el 2 y el 3 pertenecen a cadenas de Cunningham de primera y segunda especie
Las propiedades descritas anteriormente se pueden generalizar para otras bases de numeración. En particular, se puede demostrar que un mismo número no puede formar parte a la vez de una cadena de Cunningham de la primera especie de una de la segunda especie, con la excepción del 2 y el 3, si se considera la representación de los números en base 6. En esta base, los números primos sólo pueden acabar en 1 o 5, ya que, en los demás casos se obtiene un múltiplo de 2 o 3. Es fácil ver que los términos de una cadena de Cunningham de primera especie acaban en 5 con la única salvedad del 2 y el 3, y los términos de una cadena de segunda especie acaban en 1 con las mismas salvedades.
Estas son las excepciones:
- El 2 es el primer elemento de una cadena de primera especie de 5 elementos (2, 5, 11, 23 y 47) y el primero de una cadena de segunda especie de 3 elementos (2, 3, 5).
- El 3 es el primer elemento de una cadena de primera especie de 2 elementos (3 y 7) y el segundo de una cadena de segunda especie de 3 elementos (2, 3, 5).
La
cadena de Ehrenfest, llamada así en honor al físico y matemático austriaco
Paul Ehrenfest, es una
cadena de Márkov en tiempo discreto usada para modelar el intercambio de moléculas de gas entre dos urnas.
Supongamos que tenemos dos urnas,
y
. En ellas están distribuidas
d bolas numeradas; en cada paso, se elige un número al azar entre {1,2,...,
d}. A continuación se observa en qué urna está la bola con el número elegido y se cambia de urna.
Simulación de una Cadena de Ehrenfest con 20 bolas, distribución inicial 10-10 y 50 pasos.
Modelo
Sea
la
variable aleatoria que denota el número de bolas contenidas en la urna
al tiempo n. El espacio de estados será entonces
E={0,1,2,...,
d} y la matriz de transición estará dada por:
Propiedades
Para la cadena de Ehrenfest:
- La cadena es irreducible.
- Todos sus estados son recurrentes.
- La cadena es positivo-recurrente (pues todos sus estados lo son).
Como consecuencia de las anteriores propiedades, resulta que la cadena tiene un único vector de probabilidad invariante para su matriz de transición y está dado por:
cadena de Márkov o
modelo de Márkov a un tipo especial de
proceso estocástico discreto en el que la probabilidad de que ocurra un evento depende
solamente del evento inmediatamente anterior. Esta característica de falta de memoria recibe el nombre de
propiedad de Markov.
Cadena simple biestable de Markov.
Estos modelos estadísticos cuentan con un gran número de aplicaciones reales.
Definición formal
En
matemática se define como un
proceso estocástico discreto que cumple con la
propiedad de Márkov, es decir, si se conoce la historia del sistema hasta su instante actual, su estado presente resume toda la información relevante para describir en probabilidad su estado futuro.
Una cadena de Márkov es una secuencia X1, X2, X3,... de variables aleatorias. El dominio de estas variables es llamado espacio estado; el valor de Xn es el estado del proceso en el tiempo n. Si la distribución de probabilidad condicional de Xn+1 en estados pasados es una función de Xn por sí sola, entonces:
Donde
xi es el estado del proceso en el instante
i. La identidad mostrada es la
propiedad de Márkov.
Notación útil
Cadenas homogéneas y no homogéneas
- Una cadena de Márkov se dice homogénea 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, esto es:
- para todo n y para cualquier i, j.
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.
Probabilidades de transición y matriz de transición
- La probabilidad de ir del estado i al estado j en n unidades de tiempo es
- ,
en la probabilidad de transición en un paso se omite el superíndice de modo que queda
- Un hecho importante es que las probabilidades de transición en n pasos satisfacen la ecuación de Chapman-Kolmogórov, esto es, para cualquier k tal que 0 < k < n se cumple que
donde E denota el espacio de estados.
- Cuando la cadena de Márkov es homogénea, muchas de sus propiedades útiles se pueden obtener a través de su matriz de transición, definida entrada a entrada como
esto es, la entrada i, j corresponde a la probabilidad de ir del estado i a j en un paso.
Del mismo modo se puede obtener la matriz de transición en n pasos como:
, donde
.
Vector de probabilidad invariante
- Se define la distribución inicial .
- Diremos que un vector de probabilidad (finito o infinito numerable) es invariante para una cadena de Márkov si
donde P denota la matriz de transición de la cadena de Márkov. Al vector de probabilidad invariante también se le llama distribución estacionaria o distribución de equilibrio.
Clases de comunicación
- Para dos estados i,j en el espacio de estados E, diremos que de i se accede a j (y se denotará ) si
- para algún n,
si
y
entonces diremos que
i comunica con
j y se denotará i↔j.
La propiedad "↔" es una
relación de equivalencia. Esta relación induce una partición en el espacio de estados. A estas clases de equivalencia las llamaremos
clases de comunicación.
Dado un estado x, denotaremos a su clase de comunicación como C(x).
- Diremos que un subconjunto C del espacio de estados (al que denotaremos E) es cerrado si ningún estado de E-C puede ser accedido desde un estado de C, es decir, si para todo x∈C, para todo y∈E-C y para todo natural m>0.
Tiempos de entrada
Si
, definimos el primer
tiempo de entrada a C como la
variable aleatoria
esto es,
denota la primera vez que la cadena entra al conjunto de estados C.
Recurrencia
En una cadena de Márkov con espacio de estados
E, si
x∈
E se define
y diremos que:
- x es estado recurrente si .
- x es transitorio si
- x es absorbente si
- Una clase de comunicación es clase recurrente si todos sus estados son recurrentes.
Sea
, si x∈
Ediremos que:
- x es cero-recurrente si
- x es positivo-recurrente si
El real
se interpreta como el tiempo promedio de recurrencia.
Periodicidad
- El periodo de un estado x∈E se define como:
- Si d(x)=1 diremos que x es un estado aperiódico.
- Una cadena de Márkov se dice aperiódica si todos sus estados son aperiódicos.
Tipos de cadenas de Márkov
Cadenas erráticas
Una cadena de Márkov se dice irreducible si se cumple cualquiera de las siguientes condiciones (equivalentes entre sí):
- Desde cualquier estado de E se puede acceder a cualquier otro.
- Todos los estados se comunican entre sí.
- C(x)=E para algún x∈E.
- C(x)=E para todo x∈E.
- El único conjunto cerrado es el total.
Cadenas positivo-recurrentes
Una cadena de Márkov se dice positivo-recurrente si todos sus estados son positivo-recurrentes. Si la cadena es además irreducible es posible demostrar que existe un único vector de probabilidad invariante y está dado por:
Cadenas regulares
Una cadena de Márkov se dice regular (también primitiva o ergódica) si existe alguna potencia positiva de la matriz de transición cuyas entradas sean todas estrictamente mayores que cero.
Cuando el espacio de estados E es finito, si P denota la matriz de transición de la cadena se tiene que:
donde W es una matriz con todos sus renglones iguales a un mismo vector de probabilidad w, que resulta ser el vector de probabilidad invariante de la cadena. En el caso de cadenas regulares, éste vector invariante es único.
Cadenas absorbentes
Una cadena de Márkov con espacio de estados finito se dice absorbente si se cumplen las dos condiciones siguientes:
- La cadena tiene al menos un estado absorbente.
- De cualquier estado no absorbente se accede a algún estado absorbente.
Si denotamos como A al conjunto de todos los estados absorbentes y a su complemento como D, tenemos los siguientes resultados:
- Su matriz de transición siempre se puede llevar a una de la forma
donde la submatriz Q corresponde a los estados del conjunto D, I es la matriz identidad, 0 es la matriz nula y R alguna submatriz.
- , esto es, no importa en donde se encuentre la cadena, eventualmente terminará en un estado absorbente.
Cadenas de Márkov en tiempo continuo
Si en lugar de considerar una secuencia discreta
X1, X2,..., Xi,.. con
i indexado en el conjunto
de números naturales, se consideran las variables aleatorias
Xt con
t que varía en un intervalo continuo del conjunto
de números reales, tendremos una cadena en tiempo continuo. Para este tipo de cadenas en tiempo continuo la
propiedad de Márkov se expresa de la siguiente manera:
tal que
Para una cadena de Márkov continua con un número finito de estados puede definirse una matriz estocástica dada por:
La cadena se denomina homogénea si
. Para una cadena de Márkov en tiempo continuo homogénea y con un número finito de estados puede definirse el llamado generador infinitesimal como:
2
Y puede demostrarse que la matriz estocástica viene dada por:
Aplicaciones
Meteorología
Si consideramos el tiempo atmosférico de una región a través de distintos días, es plausible asumir que el estado actual sólo depende del último estado y no de toda la historia en sí, de modo que se pueden usar cadenas de Márkov para formular modelos climatológicos básicos. Por ejemplo, se han desarrollado modelos de recurrencia de las lluvias basados en cadenas de Márkov.
3
Modelos epidemiológicos
Internet
El
pagerank de una página web (usado por
Google en sus motores de búsqueda) se define a través de una cadena de Márkov, donde la posición que tendrá una página en el buscador será determinada por su peso en la distribución estacionaria de la cadena.
Simulación
Las cadenas de Márkov son utilizadas para proveer una solución analítica a ciertos problemas de simulación, por ejemplo en
teoría de colas el
Modelo M/M/14 es de hecho un modelo de cadenas de Márkov.
Juegos de azar
Son muchos los juegos de azar que se pueden modelar a través de una cadena de Márkov. El modelo de la
ruina del jugador, (
Gambler's ruin), que establece la probabilidad de que una persona que apuesta en un juego de azar finalmente termine sin dinero, es una de las aplicaciones de las cadenas de Márkov en este rubro.
Economía y finanzas
Las cadenas de Márkov se pueden utilizar en modelos simples de valuación de opciones para determinar cuándo existe oportunidad de
arbitraje, así como en el modelo de colapsos de una
bolsa de valores o para determinar la
volatilidad de los precios. En los negocios, las cadenas de Márkov se han utilizado para analizar los patrones de compra de los
deudores morosos, para planear las necesidades de
personal y para analizar el reemplazo de equipo.
Genética
Se emplean cadenas de Márkov en teoría de genética de poblaciones, para describir el cambio de frecuencias génicas en una población pequeña con generaciones discretas, sometida a
deriva genética. Ha sido empleada en la construcción del modelo de difusión de
Motō Kimura.
Música
Operaciones
Se emplean cadenas de Márkov en inventarios, mantenimiento, flujo de proceso
Redes Neuronales
Se utilizan en las máquinas de Boltzmann (redes neuronales)
No hay comentarios:
Publicar un comentario