Modelos Ocultos de Markov: Componentes, Propiedades y Aplicaciones
Clasificado en Matemáticas
Escrito el en
español con un tamaño de 4,87 KB
Componentes y Propiedades de los Modelos Ocultos de Markov
1. Componentes de un Modelo Oculto de Markov
Un Modelo Oculto de Markov (MOM) se define por los siguientes componentes:
- Variables de estado oculto (Xt): Un conjunto de estados ocultos {s1, s2, ..., sn}.
- Variables de observación (Et): Un conjunto de posibles observaciones {v1, v2, ..., vm}.
- Matriz de transición (A): Probabilidades de transición entre estados, donde aij = P(Xt+1 = sj | Xt = si). Estas probabilidades son constantes para todo t > 0.
- Matriz de observaciones (B): Probabilidades de emisión de observaciones, donde bij = P(Et = vj | Xt = si). Estas probabilidades son constantes para todo t > 0.
- Distribución inicial de estados (π): Probabilidades iniciales de los estados