Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Invop PDF
Invop PDF
CADENAS DE MARKOV
CADENA REGULAR
MTODO ANALTICO
CREDITOS INICIO
CADENAS DE MARKOV
Cada proceso suceso individual se denomina un estado. Habr tantos estados como procesos o sucesos
posibles. Para propsitos de notacin utilizaremos Si que significa el i-simo estado de un total de m
estados posibles: >m>=2.
Cada vez que se produce un nuevo resultado, se dice que el proceso ha avanzado un paso, Utilizaremos una
n para indicar el nmero de pasos: n=0 nos indica el presente; n=1 representa el suceso posible en la siguiente
seleccin; n=2 representa 2 pasos despus, etc.
Cuando n se dice que el proceso se ha estabilizado y se encuentra en condiciones de estado estable.
Los periodos de tiempo que identifican a un paso, son diferentes de acuerdo al sistema de que se trate.
EJEMPLO:
Tres fabricantes de automviles tienen los siguientes datos con respecto a las compras de los clientes:
Estados posibles n=0 posee n=1 porcentajeen N=1 porcentajeen N=2 porcentajeen
actualmente decimales de que decimales de que decimales de que
compre un Ford compre un Chevrolet compre un Nissan
S1 Ford 40 30 30
S2 Chevrolet 20 50 30
S3 Nissan 25 25 50
INICIO SIGUIENTE
Representacin de la Matriz de Transicin
1) Definir los estados: Por extensin (S1, S2, S3) y por comprensin: S1=Comprara un Ford,
S2=compra un Chevrolet, S3Compra un Nissan.
2) Definir los renglones y las columnas. La "componente permanente" o retenciones (grupos que no
cambian) aparecen como valores en la diagonal principal y la " componente de
intercambio" (grupos que si cambian) aparecen como prdidas en valores de renglones y las ganancias en
columnas Todo lo anterior se resume de la manera siguiente:
S1 S2 S3
S1 0.40 0.30 0.30 Permanencia
P= S2 0.20 0.50 0.30 y
S3 0.25 0.25 0.50 Ganancia
Permanencia y prdida
La permanencia, cambio o ganancia de clientes de cada marca puede observarse mediante la siguiente grfica,
donde los estados son nodos y los cambios son vectores:
0.40
0.30 S1 0.30
0.25
0.20
0.25
0.50 S2 0.30
S3 0.50
Por ejemplo: Analicemos un sector de la ciudad compuesto por nueve esquinas. Consideremos a una esquina
como un estado, por lo tanto habr nueve estados posibles.
7 8 9
4 5 6
1 2 3
Cada vez que el conductor llega a una esquina, 2,4, 6 y 8 puede dar vuelta a la izquierda o derecha seguir de
frente con igual probabilidad de 1/3. Si se encuentra en la esquina 5 tiene 4 posibilidades de avanzar con
probabilidad de . Si esta en la esquina 1, 3, 7 o 9, solo tiene dos posibilidades con probabilidad de .
Con la informacin anterior se elabora la matriz de transicin:
CADENA REGULAR
Un caso ms restringido de cadena ergodica, es una cadena regular. Una cadena regular se define como una
cadena que tiene una matriz de transicin P, que contiene elementos igual a cero y para la cual alguna potencia
de P, nicamente tendr elementos positivos de probabilidad (diferentes a cero. Todas las cadenas regulares
pueden ser ergodicas, pero no todas las ergodicas son regulares).
Cuando desaparecen los ceros si elevo la matriz de transicin a una potencia, es regular y si puedo ir de uno de
los estados a todos los dems, es ergodica.
Ejemplo:
S1 S2 S3
S1 X X 0 X X X
P= S2 X 0 X P3 = X X X
S3 0 X X X X X
Al multiplicar la matriz se busca tener elementos nicamente positivos.
Es una matriz regular, por que al elevar P al cuadrado desaparecen los ceros.
Los elementos de cada columna tienden a ser iguales, cuando esto sucede, se les llama condiciones de estado
estable, donde V* es el vector de estado estable. (Considere un mnimo de 5 decimales con calculadora)
Los estados absorbentes describen procesos que terminan o finalizan despus de alcanzar determinadas
condiciones y dan como resultado un caso especial de cadenas de Markov, algunos ejemplos son:
1.- En control de calidad, despus de encontrar un nmero predeterminado de partes que pueden ser aceptadas
o rechazadas, se suspende la inspeccin secuencial.
2.- Despus de x horas de funcionamiento, una mquina se detiene para repararla o reemplazarla.
3.- Despus de que una persona ha trabajado en una empresa, puede jubilarse o recontratarse.
4.- Despus del seguimiento que se hace a una cuenta bancaria esta se paga o se considera perdida
CARACTERSTICAS.
a) Un estado absorbente es aquel que tiene una probabilidad de ser abandonado igual a cero, o sea que una
vez comenzado es imposible dejarlo y el proceso se detiene completamente o se detiene para luego
comenzar a partir de algn otro estado.
b) Una cadena de Markov es absorbente si:
1) Tiene por lo menos un estado absorbente.
2) Es posible ir desde cada estado no absorbente hasta por lo menos un estado absorbente. No es
necesario efectuar esta transicin en un paso; ni es necesario alcanzar cada estado absorbente a
partir de cualquier estado no absorbente.
S0=Ingreso S1 S2 S3 S4 S5 S6
N A
S1 =Primer ao S1 0.10 0.80 0 0 0.10 0
S2 =Segundo ao S2 0 0.10 0.85 0 0.05 0
n
S3 =Tercer ao P= S3 0 0 0.15 0.80 0.05 0
S4 =Cuarto ao S4 0 0 0 0.10 0.05 0.85
S5 =Deserta S5 0 0 0 0 1 0
a
S6 =Se grada S6 O 0 0 0 0 0 1
I
a=Estados absorventes
n=Estados no absorventes n a m=a+n
(I-N) 1 A (I-N) 1 A
1.11 0.99 0.99 0.88 0.10 0 0.25 0.75
0 1.11 1.11 0.99 0.05 0 = 0.16 0.84
0 0 1.18 1.05 0.05 0 0.11 0.89
0 0 0 1.11 0.05 0.85 0.06 0.94
(I-N) 1 A = Probabilidad
La teora de colas es la tcnica de mayor aplicacin potencial y sin embargo es quizs la ms difcil aplicar
debido a que el modelo utilizado, con frecuencia muy poco se ajusta a la realidad. Muchas de estas dificultades
se pueden superar combinando la teora con la experiencia del investigador.
Toda clase de negocios, gobierno, industria, escuela y hospitales grandes y pequeos, todos en algn momento
tienen problemas de "colas.
Algunas veces las mquinas permanecen ociosas y en otros momentos, los clientes deben esperar. En algunas
ocasiones los inventarios son excesivos y en otros momentos hay pedidos que no se satisfacen. A veces la
industria funciona a media capacidad, los trabajadores sufren desempleo y los capitales permanecen ociosos. En
otras ocasiones la capacidad de produccin se aprovecha al mximo, la mano de obra escasea los abastecedores
tienen grandes listas de pedidos en espera de ser atendidos. Ninguno de estos extremos es conveniente y hay una
decisin administrativa bsica que implica un equilibrio entre los recursos humanos, econmicos y materiales.
Para tomar decisiones al respecto, deben conocerse los siguientes puntos:
Longitud de las colas.
Porcentaje de utilizacin de las instalaciones de servicio
Tiempo total que toma al usuario formarse y recibir el servicio.
Disponibilidad de personal.
Ejemplo: Lavado de autos Daytona
Para lavar cada auto en las instalaciones, se requieren dos minutos. Hay una sola maquina de lavar que es
atendida por una sola persona y slo se puede acomodar un auto a la vez. Si los clientes llegan exactamente a
intervalos de dos minutos, el funcionamiento del negocio carecera de incertidumbre.
Finita Servidor
Entrada Poblacin
Infinita Linea de Espera Unico o multiple
CLIENTE: Unidad que llega requiriendo algn servicio. Pueden ser personas, mquinas, refacciones, etc.
COLA (lnea de espera) : Es el numero de clientes que esperan ser atendidos (la cola no incluye al cliente que
esta siendo atendido).
UNIDAD DE SERVICIO: Es el proceso, sistema o persona que esta efectuando el servicio al cliente, ste puede
ser simple mltiple. Se identificar con la letra k.
Nmero esperado de
clientes en el sistema
Tiempo esperado en la
cola
Tiempo esperado en el
sistema
Probabilidad de que un
cliente permanezca
ms de t unidades de
tiempo en el sistema
Probabilidad de que un
cliente permanezca
mas t unidades de
tiempo en la linea de
espera
Probabilidad de que
haya n clientes en la
cola
Nmero esperado de
clientes en la cola.
Nmero esperado de
clientes en el sistema
Tasa de llegada
promedio
Tiempo esperado en la
cola
Tiempo esperado en el
sistema
Las empresas se enfrentan con frecuencia a problemas en los que se tiene esta sucesin de eventos:
1. La empresa decide cuntas unidades pedir. Sea q el nmero de unidades pedidas
2. Con una probabilidad p(d), se tiene una demanda de d unidades. En esta seccin supondremos
que d debe ser un entero no negativo. Sea D la variable aleatoria que representa la demanda.
3. Dependiendo de d y de q, se incurre en el Costo c (d,q).
Los problemas que siguen esta secuencia se llaman problemas del vendedor de peridicos. Para ver
por que es as, pensemos en un vendedor que debe decidir cuantos peridicos pedir cada da a la
editorial. Si el vendedor pide demasiados se quedar con muchos sin vender, al fina del da. Por otro
lado, un vendedor que pide muy pocos peridicos perder ganancias (y enojar a sus clientes) que
podran haber sido suyas si hubiera pedido peridicos suficientes para cumplir con la demanda. El
vendedor debe pedir el nmero de peridicos que equilibre en forma adecuada a esos dos costos.
En esta seccin mostraremos como se puede emplear el anlisis marginal, para resolver problemas
de vendedor de peridicos . Cuando la demanda es una variable discreta y c (d,q) tiene la forma
siguiente:
c(d, q) = Coq + (trminos sin q) (d <= q) (2)
c(d,q) = -Cuq + (trminos sin q) (d >= q + I) (2.1)
En la ecuacin (2), Co es el costo unitario de comprar demasiado. Si d <= q, hemos pedido ms de lo
que es la demanda, esto es, estamos sobreabastecidos. Si el tamao del pedido aumenta de q a q+,
la ecuacin (2) muestra que el costo se incrementa en Co. Por lo tanto Co es el costo debido a tener 1
unidad de excedente. A Co se le llama costo de sobre abastecimiento. Igualmente, si d >= q + 1,
tenemos faltantes hemos pedido una cantidad menor que la demanda.
OBSERVACIONES
1. En trminos del anlisis marginal, la probabilidad de vender el 200 calendario que se pide es
P(D >= 200) = 50. Esto significa que el 200 calendario vendido tiene probabilidad 1 - 0.50 = 0.50 de
no ser vendido. As, el 200 calendario aumentar los costos esperados de Walton en 0.50(-2.50) +
0.50(1.25) = - 0.625 dlares. En consecuencia, se debe pedir el 200 calendario. Por otro lado, la
probabilidad de vender el 201 calendario es P(D >= 201) = 0.20 y la probabilidad de que no se venda
es 1 - 0.20 = 0.80. Por lo tanto, el 201 calendario aumentar los costos esperados en 0.20(-2.50) +
0.80(1.25) = 0.50 dlares. As, el 201 calendario aumentar los costos esperados y no se debe pedir.
Como Cu / (Co + Cu) = 40/90 = 4/9, segn la ecuacin (5), el nmero ptimo de habitaciones que se
debe reservar es el numero q* que satisfaga
P(D <= q*) = 4/9 (6)
Como D tiene distribucin normal con promedio 5 000 y desviacin estndar 2000, podemos
normalizar la ecuacin (6) con respecto a la variable aleatoria D y obtener:
P(D P (D-5000 <= q*-5000) = .444
2000 2000
P (Z <= q*- 5 000) = .444
2000
En la Fig. 2 vemos que (q* - 5000) / 2000 debe ser igual al nmero que tenga un rea 0.444 a la
izquierda de l en las tablas de distribucin normal estndar. Segn esa tabla , vemos que P(Z <=-
0.14) =0.4443. Entonces
q*-5000 =-0.14
2000
q*= 5000-2000(0.14) =4720
-0.14 = q* - 5000
2000
Por lo tanto, la ABA debe reservar 4 720 habitaciones.
ANTERIOR INICIO
UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO
FACULTAD DE INGENIERIA
ELABORADOS POR:
ING.RUFINO CRUZ SORIANO
INICIO SIGUIENTE