CADENAS DE MARKOV
Teoremas
Significado de signos de la red
Proceso estocástico: Sucesión de eventos desarrollados en el tiempo y el resultado depende del azar ❎ ✅
Definición: Cadena de Markov es una sucesión de ensayos similares donde la probabilidad de resultado depende solo del ensayo inmediatamente precedente. ⚠ Consultahttps://www.cimat.mx/~jortega/MaterialDidactico/modestoI11/CMarkov1v1.pdf
Propiedad de Markov: Estado en t+1 sólo depende del estado en t y no de la evolución anterior del sistema.
Matriz de transición: Es la matriz que define la transición de los estados desde un instante t0 hasta un
instante t.
Flechas: Van de un nodo a si mismo y representan la probabilidad de cambiar de un estado al otro.
Círculos: Nodos.
Arcos: Flechas que van de nodo a nodo y representan la probabilidad de cambiar de un estado al otro..
Estado inicial: Matriz fila 1xn
Teorema 1: ⭐ Si P denota la matriz de transición de una cadena Markov y Ak es la matriz de estado después de k ensayo, entonces la matriz de estado Ak+1 después del ensayo siguientes está dada por: Ak+1=Ak*P.
Teorema 2: ⭐ ⭐ Una matriz de transición P se dice que es regular si para algún entero positivo k, la matriz Pk no tiene elementos iguales a cero. Si P es una matriz de transición regular, entonces sin importar la matriz de estado inicial, las matrices de estado sucesiva se aproximan a alguna matriz de estado fija B es donde BP=B. La matriz B se denomina* matriz estacionaria del sistema.
Aplicaciones en bioinformática: 💻 👱🏽
*Búsqueda de genes.
*Predicción de estructura secundaria de proteínas.
*Modelo de familias de secuencias de proteína o ADN relacionado.
La información probabilística a continuación se puede presentar de manera conveniente en matriz.
:
click to edit
[Ejemplo de aplicación]