TALLER ESTRATEGIAS DE JUEGOS NO COOPERATIVOS Y PROCESOS

MARKOVIANOS

Presentado por:
Karen Ayala Del Toro
Esteban González Polo

Presentado a:
Ing. Katherinne Salas Navarro, PhD

Universidad de la Costa
Facultad de Ingenierías
Programa de Ingeniería Industrial
Investigación de Operaciones II

2020
 2

PARTE I
Cadena de Márkov de tiempo continuo
Una cadena de Márkov de tiempo continuo (CMTC) es un proceso estocástico que tiene
la propiedad Markoviana de que la distribución condicional del estado futuro en el
tiempo t + s, dado el estado presente y todos los estados pasados depende solamente
estado presente y es independiente del pasado…[CITATION PRO \l 3082 ]
Procesos de Nacimiento y Muerte
El número de individuos de una determinada colectividad en un cierto momento
constituye el rango de una variable aleatoria X t. La variación de dicho número se debe a
dos causas; la primera de las cuales es que haya incorporación (nacimientos) de nuevos
individuos a la colectividad y la segunda a que haya desincorporación de individuos
(muerte). Por tanto, este número representa un proceso estocástico de parámetro
continuo (momentos diferentes de tiempo en que se observa o se considera el número de
individuos que componen la colectividad) y de espacio de estado discreto (número de
individuos que integran dicha colectividad).
[ CITATION PRO \l 3082 ]

Un proceso de nacimiento y muerte es una CMTC con:

 Espacio de estados:
{0, 1, 2, . . ., n}
 Tasas de permanencia:
v0 = λ0, vi = λi + µi, i>0
 Probabilidades de transición:
λi µi
pi ,i +1= , p i ,i−1= , p =1, pi , j=0 Para cualquiera otros i , j
λi +µ i λi +µ i 01

Los procesos de nacimiento y muerte se enmarcan en la teoría de colas.

[ CITATION Enr16 \l 3082 ]

Aplicaciones
Muchas aplicaciones de los procesos estocásticos aparecen en física, ingeniería,
medicina, sociología, biología y otras disciplinas, así como también en otras ramas de la
 3

matemática. Por ejemplo, todos los sistemas biológicos comparten la propiedad del
crecimiento de sus individuos, por lo tanto, a la hora de estudiar poblaciones (por
ejemplo, de plantas o animales) la existencia de una teoría acerca de procesos de
crecimiento es extremadamente deseada y necesaria.[ CITATION Mar14 \l 3082 ]
Ejercicio Resuelto
En un club de veraneo las personas pasan el tiempo entrando y saliendo de la piscina
para capear el calor de la temporada de verano. Los bañistas entran a la piscina según un
Proceso de Poisson a tasa promedio de 4 personas por minuto y permanecen en la
piscina un tiempo exponencial con un tiempo medio de permanencia de 10 minutos.
Suponga que la piscina tiene capacidad infinita para recibir a todas las personas que
entren a ella.
Se pide: a) Probabilidad de que la piscina esté vacía.[ CITATION And \l 3082 ]
Desarrollo:
Sea:
X ( t ) :nº de bañistas presentesdentro de la piscina en el instante t .
{ X ( t ) ,t ≥0 } es un Proceso de Nacimiento y Muerte
Tasas de nacimiento:
λ ( j)=4 j ≥0 personas/minuto
Tasas de muerte:
Si cada persona permanece en promedio 10 minutos, la tasa de salida de una persona es
de 6 personas por hora, luego
1
µ ( j )={ }
10
j , j≥0

Cálculos de probabilidad
λ (0) 4
P 1= PO = P =40 P0
µ (1) 1 0
10
λ(1) 1
P 2= P = 402 P 0
µ (2) 1 2
λ(2) 11 3 1 1
P 3= P2= 40 P = 403 P0= 403 P0
µ (3) 23 0 6 3 !
Termino general
1
Pn= 40n P0 , n=≥ 1
n!

∞ −1 ∞ −1
1 1
P0=⌈ 1+ ∑ 40n ⌉ P0 =⌈ ∑ 40n ⌉ =e−40
n=1 n! n=1 n !

40 n −40
P n= e , n≥ 0
n!
 4

P0 es la probabilidad de que haya 0 bañistas dentro de la piscina, es decir, que la

probabilidad de que la piscina este vacía es de e−40
PARTE II
1.
A.
Jugador 1.
Z ( max )=v
Sujeto a:

v−5 x1 −2 x 2−3 x 3 ≤ 0
v−4 x 2−2 x 3 ≤ 0
v−3 x1 −3 x 2 ≤0
v−x 1−2 x 2−4 x 3 ≤ 0
x 1+ x2 + x 3 + x 4=1

v sin restricciòn

x1 , x2 , x3 ≥ 0

Jugador 2.
Z ( min ) =v
Sujeto a:

v−5 y 1−3 y 3−1 y 4 ≥0

v−2 y 1−4 y 2 −3 y 3−2 y 4 ≥0
v−3 y 1−2 y 3−4 y 4 ≥0
y 1 + y 2+ y 3+ y 4=1

v sin restricciòn

y 1 , y 2 , y 3 y 4=1
≥0
B. Anexo en Excel.
C. El pago esperado para ambos jugadores seria de 2,37. Siendo X1= 0,054, X2=0,74,
X3=0,21 las estrategia mixta óptima para el jugador 1 y Y1=0,16, Y2=0, Y3=0,368,
Y4=0,474 las estrategia mixta óptima para el jugador 2
2.
S1=Patrullaje regular
S2=Responde la llamada
S3=Llega a laescena
S4 =Realizar una aprehensión
S5=Traslado a la estación

A. matriz de transición

S1 S2 S3 S4 S5
 5

S 0, 0,
0 0 0
1 4 6
S 0, 0, 0,
0 0
2 1 3 6
S 0, 0, 0,
0 0
3 1 5 4
S 0, 0,
0 0 0
4 4 6
S
1 0 0 0 0
5

B. Diagrama de transición de estados:

12345
0,6 0,6 0,4 0,6

0,4 0,3 0,5

0,4
1
0,1

C. Definiendo una probabilidad inicial (P0) donde la patrulla ya se encuentra en la

escena.

S1 S2 S3 S4 S5
0 0 1 0 0
Como son dos patrullajes
S1 S2 S3 S4 S5
2
P = S1 0,2 0,4 0,4 0 0
S2 0,1 0,2 0,5 0,2 0
S3 0,3 0,1 0,3 0,2 0,24
S4 0,8 0,2 0 0 0
S5 0,4 0,6 0 0 0

S1 S2 S3 S4 S5
2
P *P0 = 0,25 0,06 0,3 0,2 0,24

La probabilidad de que la patrulla se encuentra en este momento en la escena de una

llamada la es y de que haga una aprehensión en dos patrullajes es del 20%
 6

Referencias
Lopez, A. (s.f.). Cadenas de Markov de tiempo Contínuo y Procesos de nacimiento y
Muerte Ejercicios resueltos. Obtenido de
https://www.academia.edu/37526456/Cadenas_de_Markov_de_tiempo_Cont
%C3%ADnuo_y_Procesos_de_nacimiento_y_Muerte_Ejercicios_resueltos
Miranda, E. (2016). Procesos estocasticos. Obtenido de
http://ocw.uniovi.es/pluginfile.php/5770/mod_resource/content/1/sesi
%C3%B3n9.pdf
Vega, M. (26 de Abril de 2014). Obtenido de Cadenas de Markov de tiempo continuo y:
https://pdfs.semanticscholar.org/8847/afdbd5ffe18e60289ea1d03103920defd22b
.pdf
Web del profesor. (s.f.). Obtenido de Procesos de markov de tiempo continuo:
http://webdelprofesor.ula.ve/economia/drivas/materias/DiseExp/Material%20de
%20Clase/ProcesosContinuos.pdf