APLIKACE STOCHASTICKÉHO MODELU MARKOVSKÉHO TYPU APPLICATION OF A MARKOV S TYPE STOCHASTIC MODEL. Jan Získal

Podobné dokumenty
Optimalizace portfolia

Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain)

8. Zákony velkých čísel

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Téma 6: Indexy a diference

PRAVDĚPODOBNOST ... m n

9 NÁHODNÉ VÝBĚRY A JEJICH ZPRACOVÁNÍ. Čas ke studiu kapitoly: 30 minut. Cíl:

Národní informační středisko pro podporu kvality

Tento materiál vznikl díky Operačnímu programu Praha Adaptabilita CZ.2.17/3.1.00/33254

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

TECHNICKÁ UNIVERZITA V LIBERCI

Testování statistických hypotéz

Ing. Vladimíra Michalcová, Ph.D. Katedra stavební mechaniky (228)

VÝPOČET PRAVDĚPODOBNOSTI PORUCHY METODOU PDPV - TEORIE

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Náhodným (stochastickým) procesem nazveme zobrazení, které každé hodnotě náhodnou veličinu X ( t)

Testování statistických hypotéz

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů

1 VÝPOČTOVÉ ZATÍŽENÍ. 1.1 Součinitel náročnosti ( 1 ) β = ( 2 ) ( 3 )

Generování dvojrozměrných rozdělení pomocí copulí

Analytické modely systémů hromadné obsluhy

Aplikace teorie neuronových sítí

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Analytická geometrie

Definice obecné mocniny

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Markovovy řetězce se spojitým časem CTMC (Continuous time Markov Chain)

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

Úloha syntézy čtyřčlenného rovinného mechanismu

Nepředvídané události v rámci kvantifikace rizika

BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV AUTOMATIZACE A INFORMATIKY

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě

Nalezení výchozího základního řešení. Je řešení optimální? ne Změna řešení

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

8.3.1 Vklady, jednoduché a složené úrokování

Entropie, relativní entropie a sdílená (vazební) informace

Příklady z finanční matematiky I

můžeme toto číslo považovat za pravděpodobnost jevu A.

9. Měření závislostí ve statistice Pevná a volná závislost

Téma 1: Pravděpodobnost

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

Úvod do korelační a regresní analýzy

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

Pojem času ve finančním rozhodování podniku

PRAVDĚPODOBNOST A STATISTIKA

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

PRAVDĚPODOBNOST A STATISTIKA

Spolehlivost a diagnostika

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad

ANALÝZA NÁKLADOVÝCH A CENOVÝCH VZTAHŮ V ODPADOVÉM HOSPODÁŘSTVÍ ČR ANALYSIS OF COST AND PRICE RELATIONSHIPS IN WASTE MANAGEMENT OF THE CZECH REPUBLIC

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x),

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Směrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec

Katedra obecné elektrotechniky Fakulta elektrotechniky a informatiky, VŠB - TU Ostrava ENERGETIKA U ŘÍZENÝCH ELEKTRICKÝCH POHONŮ. 1.

Genetická diverzita. doc. Ing. Jindřich. ich Čítek, CSc. Genetickou diverzitu chápeme jako různost mezi živými organismy, která je geneticky fixovaná.

Metody zkoumání závislosti numerických proměnných

Náhodné jevy, jevové pole, pravděpodobnost

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

P1: Úvod do experimentálních metod

PRAVDĚPODOBNOST A STATISTIKA

3. Lineární diferenciální rovnice úvod do teorie

11. Časové řady Pojem a klasifikace časových řad

IV. MKP vynucené kmitání

a další charakteristikou je četnost výběrového souboru n.

Příklady z přednášek Statistické srovnávání

Intervalové odhady parametrů některých rozdělení.

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model

I. Výpočet čisté současné hodnoty upravené

11. INDUKTIVNÍ STATISTIKA

Základní teoretický aparát a další potřebné znalosti pro úspěšné studium na strojní fakultě a k řešení technických problémů

ELEMENTÁRNÍ STATISTICKÉ METODY

12. Neparametrické hypotézy

SPECIALIZACE, PROSTOROVÁ KONCENTRACE A DIVERZIFIKACE V ČESKÝCH A SLOVENSKÝCH KRAJÍCH

U. Jestliže lineární zobrazení Df x n n

Finanční řízení podniku. Téma: Časová hodnota peněz

Cílem kapitoly je zvládnutí řešení determinantů čtvercových matic.

VYUŽITÍ TEORIE HROMADNÉ OBSLUHY PŘI SIMULOVÁNÍ MIMOŘÁDNÝCH UDÁLOSTÍ

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem

Téma 11 Prostorová soustava sil

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

Přednáška č. 11 Analýza rozptylu při dvojném třídění

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou

PE 301 Podniková ekonomika 2. Garant: Eva KISLINGEROVÁ. Téma Metody mezipodnikového srovnávání. Téma 12. Eva Kislingerová

V. Normální rozdělení

4.2 Elementární statistické zpracování Rozdělení četností

4. Strojové učení. 4.1 Základní pojmy

ANALÝZA A KLASIFIKACE DAT

Odhady parametrů 1. Odhady parametrů

n. Často může znak nabývat jen určitého počtu r různých hodnot; tyto hodnoty znaku označíme symboly x, x,..., x.

2. Cvi ení A. Výpo et množství vzduchu Zadání p íkladu: Množství p ivád ného vzduchu Vp :

Vícekanálové čekací systémy

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

Doc. Ing. Dagmar Blatná, CSc.

Deskriptivní statistika 1

1. Základy měření neelektrických veličin

TESTOVÁNÍ a DIAGNOSTIKA VÝROBNÍCH STROJŮ I

3. Decibelové veličiny v akustice, kmitočtová pásma

Transkript:

APLIKACE STOCHASTICKÉHO MODELU MARKOVSKÉHO TYPU APPLICATION OF A MARKOV S TYPE STOCHASTIC MODEL Ja Získal Aotace: Je uvedea ukázka využtí markovských rocesů ř ekoomckém rozhodováí a možost osu těchto stuací. Uvedeý řístu k rozhodováí eí u ás rozatím obvyklý z důvodů, které sočívaí edak v určté áročost, kterou s vyžaduí zavedeé omy a edak v určté obtížost získáváí odovídaících odkladových údaů. Naléhavost alkace markovské aalýzy v ekoom lye zeméa z rostoucího výzamu rocesů hromadé obsluhy. Klíčová slova: Markovský systém, absolutí a lmtí ravděodobost, matce řechodu, absorčí stav, systémová aalýza. Aotato: The cotrbuto cotas alcato of Markov s rocess busess decso makg ad ossbltes of descrto of such stuatos. The metoed method of decso makg s ot zet commo. The reasos are dffcultes coected wth establshed terms ad certa roblems gag relevat data sources.the ersstece of alcato of Markov s aalyss ecoomy uwds from the rasg mortace of queug models. Keywords: Markov s system, absolute ad lmt robablty, trasto matrx, absorto state ÚVOD Rozšířeé otmalzačí modely racuí často s úda, které odléhaí áhodým výkyvům (ootřebeí mechasmů, oruchy, meteorologcké vlvy atd.). Na tuto okolost lze reagovat ř ostotmalzačích úvahách ebo v rámc stochastckého rogramováí kostruovat modely, které ovažuí ěkteré velčy za středí hodoty vlastí určtému rozděleí četostí. Toto oetí eřhlíží k vtří struktuře rocesů, ale e k možým ahodlostem. Náhodý rvek e do modelu váše zvečí. K řešeí tohoto roblému lze též řstuovat ým zůsobem. Můžeme ovažovat celý modelovaý roces za áhodý. Východskem ro toto oetí může být soustava odmíěých ravděodobostí v rámc markovských rocesů. Výzam alkace markovských řetězců v ekoom roste (Získal, 2005). Využívaí se ro modelováí systémů, které se mohou acházet v edom z koečého očtu stavů a to vždy v edotlvém časovém kroku. Aalýza Markovova řetězce může být využta ř řešeí celé řady maažerských roblémů, které maí dyamckou ovahu. CÍL A METODIKA Cílem řísěvku e uozort a dolt zalost o možostech využtí modelů markovského tyu ro ředověd budoucího chováí studovaého systému. Jestlže dovedeme formulovat růběh určtého rocesu tak, že e lze rozložt a řadu stavů kterým rochází v řadě okamžků, můžeme též ocet každý stav, res. každý řechod. Pak lze vyhledávat kombace 753

edotlvých možých řechodů z edoho stavu do ého, které sou z hledska oceěí otmálí. Jedotlvé studovaé ochody musíme zkoumat tak, abychom ro ech os dostal matce ravděodobostí řechodu mez určtým stavy. Hodotové oceěí řechodů oskytue ceé formace a dovolue určtý zůsob odhadu dalšího vývoe systému a hledáí otmálí cesty ř volbě alteratv řešeí. Jestlže e ř kostrukc stochastckého modelu zdůrazě časový vývo, ak sou o sobě ásleduící stavy systému většou určtým zůsobem odmíěy a exstue mez m stá vazba. Pro os řechodu z edoho stavu systému do ásleduícího e vhodé využít odmíěých ravděodobostí. Pravděodobost mohou být odmíěy kolv edím, ale ěkolka ředchozím stavy. Uvažueme-l odmíěost ouze mez dvěma stavy, hovoříme o stochastckých modelech s edoduchou vazbou, které se též azývaí Markovovým. Pravděodobost mohou být odmíěy kol edou, ýbrž ěkolka ředchozím stavy. Zkušeost ukázaly, že ve většě říadů vysthe odstaté rysy modelu vazba edoduchá a víceásobá vazba e určtým zůsobem uřesňue získaou formac. VÝSLEDKY A DISKUSE Nedříve e uté s uřest ěkteré základí omy. Dochází-l ř zkoumáí stochastckých rocesů k řechodům mez edotlvým stavy systému v esotých okamžcích, hovoříme o Markovových řetězcích. Markovovův řetězec (systém) e defová takto (Havlíček, 99): Poslouost áhodých roměých { x },,2, K tvoří Markovovův řetězec, latí-l ro každé m 2,3, Ka ro všechy možé hodoty,, Kr těchto áhodých velč vztah ( m) P{ x x x r} P{ x x } m m m m, () Homogeí řetězec ředokládá, že ravděodobost řechodu ezávsí a výchozí stuac a eměí se v čase. Takový řetězec e urče vektorem výchozích ravděodobostí a matcí ravděodobostí řechodu (Získal, Havlíček, 2003), t. P ( 0) 0 0 0 (, K ) (2) 0, ( ),, K, r,, T K (3) Pro stochastckou matc řechodu T latí: 0 a (4) Pro vektor () osuící stuac v okamžku můžeme asat Pro -tý vektor dostaeme () ( 0). T (5) r () ( 0) P. (6) 754

( ) Vektor absolutích ravděodobostí dává odověď a otázku, aké budou stavy v ásleduícím období (Získal, Havlíček, 2003). Obecě latí ( ) ( ) +. T ebo (7) ( ) ( 0). T Výočet absolutích ravděodobostí vychází z Markovovy rovce (Havlíček, 998) ( ) ( m) ( m) k. k, m,2, K (8) k 0 Pos zkoumaého systému omocí absolutích ravděodobostí dovolue zkoumat, zda se systém ustálí v ěakém stavu č kol. Stablzovaý stav systému v daleké budoucost lze osat lmtím (ergodckým) ravděodobostm (Získal, Havlíček, 2003). Pro matc řechodu T ve stablzovaém systému latí ( ) (9) Pro výočet lmtích ravděodobostí lze odvodt vztah (Havlíček 998) r k k k + 2 + r. (0) K () Blíže k této roblematce vz také (Dömeová 2005). Jestlže e ěkterý stav absorčí, usuzueme z ovahy roblému, že se soustava může stablzovat. Pravděodobost řechodu z řechodového stavu do absorčího stavu lze osat takto (Dömeová 2005) Matcově b r + qk. bk (2) ( E Q) R B R + QB. (3) Matc s absorčím stavy lze rozložt a submatce tímto zůsobem: T E R 0 Q (4) kde E e edotková matce O e ulová matce R e matce ravděodobostí řechodu mez řechodovým a absorčím stavy Q e matce ravděodobostí řechodu mez řechodovým stavy Pro ekoomcké rozhodováí má začý výzam oceěí rocesů, kdy ravděodobost řechodu ze stavu do stavu ( ) můžeme řsoudt oceěí r vyádřeé hodotově. ( ) Jestlže ozačíme v očekávaý celkový výos rocesu o krocích, lze e ak vyádřt vztahem (Döme, 2005). 755

v [ r + v ],, K (5) ( ) ( ) Vzorec (5) vyadřue, že celkový očekávaý výos závsí a matc oceěí R ( ) a současě a celkovém očekávaém výosu ( ) v až do ředešlého kroku. r estlže ak matcově v q r ( ) ( ) q + v ( ) ( ) (6) (7) v q + T. v (8) Markovská aalýza vychází z určtých ředokladů (Získal, Havlíček 2003) a ředokládá vyhledáváí odověd a otázku co když, t. odověd a otázky, aký doad a budoucí ravděodobost budou mít změy hodot matce řechodu, aký vlv a ravděodobost vyvážeého stavu bude mít vyloučeí ebo řoeí ých stavů, aký otecoálí doad bude mít zavedeí absorčího stavu atd.. Za účelem lešího ochoeí a srozumtelost ředchozího výkladu uvedeme ásleduící lustračí říklad. Frma I vyrábí výrobek A a B a kokurečí frma II výrobek C. Podíl výrobku A a trhu čí 27,5 %, výrobku B 37,5 % a výrobku C 35 %. Frma I chce eště více ovládout trh a roto se rozhodue mez dvěma alteratvam roagace svých výrobků: a) roagovat ouze výrobek A. K tomu e třeba vestovat 300 tsíc Kč a očekává se tato matce řechodu 0,6 0,2 0,2 0,4 0,4 0,2 0,6 0, 0,3 b) roagovat e výrobek B. To bude stát 560 ts. Kč. A říslušá matce řechodu e 0, 0,2 0,3 0,5 0,8 0,5 0,4 0 0,2 Nedříve ás bude zaímat, která alteratva řese větší zvýšeí celkového odílu frmy a trhu v dlouhodobé ersektvě. Podle vztahu (0) a () dostaeme ro alteratvu a) 0,555, 2 0,223, 3 0,222, t. ro výrobky A a B frmy I to zameá 77,8 % odílu a trhu. Pro alteratvu b) ak dostaeme 0,90, 2 0,75, 3 0,095, což zameá 90,5 % odílu frmy I a trhu, čl v odstatě ovládutí trhu. V rámc ostotmalzačí aalýzy ás bude dále zaímat, která alteratva bude dlouhodobě efektvěší, čl aký bude eí říos a vestovaou koruu Jestlže ředokládáme, že vektor výchozích ravděodobostí e vektor (0) (0,275; 0,375; 0,350), ak ř alteratvě a) dode ke zvýšeí odílu a trhu o 2,8 % (0,778 0,850). Orot 0,650 ředstavue 0,28 zvýšeí o 9,6 % a a vestovaých ts. Kč to ředstavue 756

0,065 %. U alteratvy b) dode ke zvýšeí odílu a trhu o 25,5 %. Orot 0,650 to ředstavue zvýšeí o 39,2 % a a vestovaých ts. Kč e to 0,075 %. Za ředokladu, že % zvýšeí odílu a trhu ředstavue říos 20 ts. Kč, ak ř roagac výrobku A to ředstavue 392 000 Kč a o odečteí ákladů a roagac vychází říos 92 000 Kč. Př roagac výrobku B vychází čstý říos 224 000 Kč. Obdobě lze dále rozvíet a rohlubovat systémovou aalýzu. ZÁVĚR Stochastcké modely markovského tyu se využívaí ro ředověd chováí ekoomckých systémů v čase a získaé formace mohou sloužt ako základ ro rozhodováí v růzých oblastech, aříklad ř staoveí ersektvost výrobků, ř řešeí roblémů hromadé obsluhy v teor obovy, údržby, v maagemetu ekologckých hledsek aod. Z ekoomckého hledska vyžaduíí markovské řetězce určté oceěí buď stavů ebo řechodů. Pak lze vyhledávat takové cesty vývoe systému, které sou z hledska zavedeého oceěí otmálí. Markovský systém udává budoucost e a základě současost a ezá mulost. Určtým roblémem ř alkac markovské aalýzy může být staoveí matce řechodu. Pro eí kostrukc mohou osloužt buď hstorcká data ebo se využívá subektvích odhadů exertů. Kromě vlastího ozatkového říosu ro řešeí erůzěších alkací e zalost základích vlastostí markovských rocesů důležtá ro ochoeí stochastckých smulačích modelů hromadé obsluhy, obovy, zásob a ých. Lteratura. Havlíček, J.: Stochastcké modely. ČZU v Praze, PEF, 998. ISBN 80-23-040-3. 2. Získal, J., Havlíček, J.: Ekoomcko matematcké metody II. ČZU v Praze, PEF,2003. ISBN 80-23-0664-5. 3. Získal, J.: Využtí markovské aalýzy ř ekoomckém rozhodováí. Sborík Frma a kokurečí rostředí, MZLV v Brě.2003. ISBN 80-757-695-6. 4. Dömeová, L.: Stochastcké modely I. ČZU v Praze, PEF. 2005. ISBN 80-23-37-4. Kotaktí adresa autora Prof. Ig. Ja Získal, CSc., PEF ČZU v Praze, Katedra oeračí a systémové aalýzy. E_mal: zskal@ef.czu.cz, tel. 224 382 355 757