Importante

Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!

1
resposta

import numpy as np

Estados possíveis

estados = ["Ensolarado", "Nublado", "Chuvoso"]

Matriz de transição

Linhas: estado atual

Colunas: próximo estado

matriz_transicao = np.array([
[0.7, 0.2, 0.1], # Ensolarado
[0.3, 0.4, 0.3], # Nublado
[0.2, 0.3, 0.5] # Chuvoso
])

Estado inicial (Ensolarado)

estado_atual = 0

Número de dias para previsão

dias = 7

print("Previsão do clima:\n")

for dia in range(1, dias + 1):
print(f"Dia {dia}: {estados[estado_atual]}")

# Escolhe o próximo estado com base nas probabilidades
estado_atual = np.random.choice(
    [0, 1, 2],
    p=matriz_transicao[estado_atual]
)
1 resposta

Olá, Leila! Como vai?

Parabéns pela realização das atividades!

Vi que você apresentou um exemplo prático de cadeia de Markov, mostrou como estruturar uma matriz de transição para prever estados futuros e aplicou isso em um caso simples de previsão do clima. Esse conjunto demonstra clareza conceitual, aplicação prática e organização lógica, pontos fundamentais para compreender como modelos probabilísticos funcionam em cenários reais.

Se quiser aprofundar ainda mais, algumas boas práticas são:

  • Aumentar horizonte: testar previsões para períodos maiores e observar padrões emergentes.
  • Visualizar resultados: gerar gráficos para acompanhar a evolução dos estados ao longo dos dias.
  • Comparar modelos: experimentar outras abordagens probabilísticas e avaliar diferenças nos resultados.

Ah uma pergunta: O que você considera mais interessante nesse processo, observar como as probabilidades se transformam em sequências de estados ou perceber como esse modelo pode ser aplicado em áreas além da previsão do clima?

Fico à disposição! E se precisar, conte sempre com o apoio do fórum.

Abraço e bons estudos!

AluraConte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!