IIS400 Sistemas Estocsticos

Aldo Vergara C.

Mayo 2014

Aldo Vergara C. ()

Cadenas de Markov

Mayo 2014

1/7

Probabilidades de Transicin
Una cadena de Markov X0 , X1 , . . .
de transicin
2
0.6
4
P = 0.3
0.4

tiene la matriz de probabilidades

3
0.3 0.1
0.3 0.4 5
0.1 0.5

Si sabemos que el proceso comienza en el estado X0 = 1, determine

Pr[X0 = 1, X1 = 0, X2 = 2].

Aldo Vergara C. ()

Cadenas de Markov

Mayo 2014

2/7

Probabilidades de Transicin
Una cadena de Markov X0 , X1 , . . .
de transicin
2
0.6
4
P = 0.3
0.4

tiene la matriz de probabilidades

3
0.3 0.1
0.3 0.4 5
0.1 0.5

Una cadena de Markov X0 , X1 , . . .

de transicin
2
0.3
4
P = 0.5
0.5

tiene la matriz de probabilidades

3
0.2 0.5
0.1 0.4 5
0.2 0.3

Si sabemos que el proceso comienza en el estado X0 = 1, determine

Pr[X0 = 1, X1 = 0, X2 = 2].

y la distribucin inicial p0 = 0.5 y p1 = 0.5.

Determine las probabilidades Pr[X0 = 1, X1 = 1, X2 = 0] y
Pr[X1 = 1, X2 = 1, X3 = 0].
Aldo Vergara C. ()

Cadenas de Markov

Mayo 2014

2/7

Modelamiento
Una urna contiene seis etiquetas, de las cuales tres son rojas y tres
verdes. Se seleccionan dos etiquetas de la urna. Si una etiqueta es
roja y la otra es verde, entonces las etiquetas seleccionadas se
descartan y se agregan a la urna dos etiquetas azules. De otro modo,
las etiquetas seleccionadas son regresadas a la urna. Este proceso se
repite hasta que la urna contenga solo etiquetas azules. Si Xn
representa el nmero de etiquetas rojas en la urna en la n-sima
extraccin, con X0 = 3. Encontrar la matriz de transicin.

Aldo Vergara C. ()

Cadenas de Markov

Mayo 2014

3/7

Modelamiento
Una urna contiene seis etiquetas, de las cuales tres son rojas y tres
verdes. Se seleccionan dos etiquetas de la urna. Si una etiqueta es
roja y la otra es verde, entonces las etiquetas seleccionadas se
descartan y se agregan a la urna dos etiquetas azules. De otro modo,
las etiquetas seleccionadas son regresadas a la urna. Este proceso se
repite hasta que la urna contenga solo etiquetas azules. Si Xn
representa el nmero de etiquetas rojas en la urna en la n-sima
extraccin, con X0 = 3. Encontrar la matriz de transicin.
El programa de entrenamiento para los supervisores de produccin de cierta compaa
contiene dos fases. La Fase I, que incluye 3 semanas de trabajo en el aula, va seguida de la Fase
II consistente en 3 semanas de aprendizaje bajo la direccin de los supervisores ya trabajando.
De la experiencia, la ca. espera que 60% de aquellos que inician el entrenamiento en el aula
logren pasar a la fase de aprendizaje, con el restante 40% que abandona completamente el
programa de entrenamiento. De aquellos que pasan a la fase de aprendizaje, 70% se gradan
como supervisores, 10% debern repetir la segunda fase y 20% quedan completamente fuera
del programa. Construya en diagrama de estado de transicion.Cuntos supervisores puede
esperar la cia. de su programa de entrenamiento, si hay 45 personas en la fase de aula y 21
personas en la fase de apredizaje? Qu ocurre si hay 66 personas en la fase de
entrenamiento?

s
Aldo Vergara C. ()

Cadenas de Markov

Mayo 2014

3/7

Modelamiento

Una costurera trabaja exclusivamente en una fase del proceso de produccin de un diseo
especial de prendas de vestir. Esta fase requiere exactamente media hora para terminar una
prenda. Cada 30 minutos llega un mensajero a la mesa de la costurera para recoger todas
aquellas prendas que estn terminadas y para entregar las nuevas prendas que deben ser
cosidas. El nmero de nuevas prendas que lleva el mensajero es inseguro: 30% del tiempo, el
mensajero llega sin prendas para ser cosidas;50% de las veces el mensajero slo trae una
prenda para dejar; 20% de las veces, el mensajero trae dos prendas para la costurera. Sin
embargo, el mensajero tiene instrucciones de nunca dejar ms de tres prendas juntas no
terminadas a la costurera. (Las prendas no terminadas que no puedan dejarse a la costurera,
se llevan a otra costurera para ser procesadas.) Determine el porcentaje de tiempo que la
costurera permanece ociosa, considerando que cualquier cantidad de prendas no terminadas
que estn en la mesa de la costurera al final de un turno de trabajo, permanecen ah para ser
procesadas durante el siguiente da de trabajo.

Aldo Vergara C. ()

Cadenas de Markov

Mayo 2014

4/7

Modelamiento

Se lanzan tres monedas equilibradas, y sea X1 el nmero de caras que

aparecen. Aquellas monedas en que apareci una cara en el primer
lanzamiento (que corresponde a X1 ), se recogen y se vuelven a lanzar,
y ahora sea X2 el nmero de sellos que apareci, incluidas las que
quedaron en el suelo producto del primer lanzamiento. Volvemos a
lanzar todas las monedas que muestran sello, y sea X3 el nmero de
caras resultante, incluidas las que quedaron del lanzamiento anterior.
De esta manera se contina el proceso. El modelo, contar la caras y
las caras lanzadas, contar los sellos y los sellos lanzados, contar las
caras y las caras lanzadas, etc., y X0 = 3. Entonces fXn g es una
cadena de Markov. Cul es la matriz de transicin?.

Aldo Vergara C. ()

Cadenas de Markov

Mayo 2014

5/7

Modelamiento

Tres bolitas blancas y tres bolitas negras se distribuyen al azar en dos

urnas, de modo que cada urna contiene inicialmente 3 bolitas.
Posteriormente se procede a repetir indenidamente el experimento
consistente en elegir al azar una bolita de cada urna e intercambiarlas.
Sea Xn el nmero de bolitas blancas en la primera urna despus de
repetir n veces el experimento.

Aldo Vergara C. ()

Cadenas de Markov

Mayo 2014

6/7

Modelamiento

Tres bolitas blancas y tres bolitas negras se distribuyen al azar en dos

urnas, de modo que cada urna contiene inicialmente 3 bolitas.
Posteriormente se procede a repetir indenidamente el experimento
consistente en elegir al azar una bolita de cada urna e intercambiarlas.
Sea Xn el nmero de bolitas blancas en la primera urna despus de
repetir n veces el experimento.
1

Explique por qu fXn g es una cadena de Markov.

Aldo Vergara C. ()

Cadenas de Markov

Mayo 2014

6/7

Modelamiento

Tres bolitas blancas y tres bolitas negras se distribuyen al azar en dos

urnas, de modo que cada urna contiene inicialmente 3 bolitas.
Posteriormente se procede a repetir indenidamente el experimento
consistente en elegir al azar una bolita de cada urna e intercambiarlas.
Sea Xn el nmero de bolitas blancas en la primera urna despus de
repetir n veces el experimento.
1
2

Explique por qu fXn g es una cadena de Markov.

Encuentre la matriz de transicin P y clasique sus estados.

Aldo Vergara C. ()

Cadenas de Markov

Mayo 2014

6/7

Modelamiento

Tres bolitas blancas y tres bolitas negras se distribuyen al azar en dos

urnas, de modo que cada urna contiene inicialmente 3 bolitas.
Posteriormente se procede a repetir indenidamente el experimento
consistente en elegir al azar una bolita de cada urna e intercambiarlas.
Sea Xn el nmero de bolitas blancas en la primera urna despus de
repetir n veces el experimento.
1
2
3

Explique por qu fXn g es una cadena de Markov.

Encuentre la matriz de transicin P y clasique sus estados.
Calcule la fraccin de tiempo que la cadena permanece en cada estado.

Aldo Vergara C. ()

Cadenas de Markov

Mayo 2014

6/7

Modelamiento

Tres bolitas blancas y tres bolitas negras se distribuyen al azar en dos

urnas, de modo que cada urna contiene inicialmente 3 bolitas.
Posteriormente se procede a repetir indenidamente el experimento
consistente en elegir al azar una bolita de cada urna e intercambiarlas.
Sea Xn el nmero de bolitas blancas en la primera urna despus de
repetir n veces el experimento.
1
2
3
4

Explique por qu fXn g es una cadena de Markov.

Encuentre la matriz de transicin P y clasique sus estados.
Calcule la fraccin de tiempo que la cadena permanece en cada estado.
Repita (a) (c) si inicialmente hay b bolitas de cada color.

Aldo Vergara C. ()

Cadenas de Markov

Mayo 2014

6/7

Fin

FIN

Aldo Vergara C. ()

Cadenas de Markov

Mayo 2014

7/7