Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Escuela de Ingenierı́a
Departamento de Ingenierı́a Industrial y de Sistemas
1 Definición
2 Probabilidades de Transición
3 Probabilidades Lı́mite
Outline
1 Definición
2 Probabilidades de Transición
3 Probabilidades Lı́mite
Motivación
En algunas ocupaciones uno necesita una mirada más fina del tiempo para
representar correctamente un problema.
Ejemplo: Sea X (t) el número de ampolletas malas en una fábrica que opera 24/7
y la idea es que siempre haya un número mı́nimo de ampolletas buenas para poder
trabajar.
¿Qué pasa si discretizamos el tiempo?
Periodos de revisión en dı́as vs en horas vs en minutos.
¿Cómo afecta esto a la productividad de la empresa?
Motivación
Ejemplo de procesos:
Clientes en la cola de un banco, donde X (t) es el número de clientes en la
cola en el instante t.
La temperatura interna en un invernadero oscila entre -10o C y 20o C. Sea
X (t) la temperatura del lugar en el tiempo t.
Un partido de basquetball, donde X (t) indica si el equipo local va ganando,
empatando o perdiendo, para un instante t.
Funcionamiento de máquinas en un taller mecánico, donde X (t) es el número
de máquinas funcionando.
Propiedades Básicas
Propiedad Markoviana
{X (t), t ≥ 0} posee la propiedad markoviana si para todo s, t ≥ 0, todo entero no
negativo i, j, y para todo x(u), 0 ≤ u < s,
Propiedades Básicas
Propiedad Estacionaria
El proceso {X (t), t ≥ 0} posee la propiedad de estacionariedad si
P(X (t + s) = j|X (s) = i) no depende de s.
Notación:
Pij (t) = P(X (t + s) = j|X (s) = i)
Definiciones
Definiciones
Definiciones
Conclusiones importantes:
Una CMTC es un proceso estocástico que se mueve de un estado a otro de
acuerdo a una CMTD.
Los Pij corresponden a las componentes de la matriz P de transición de la
CMTD asociada.
Los tiempos de permanencia en un estado dado son iid con distribución
exponencial (la media de los tiempos puede ser diferentes para distintos
estados).
El tiempo que el proceso permanece en el estado i y el próximo estado a
visitar son independientes.
Outline
1 Definición
2 Probabilidades de Transición
3 Probabilidades Lı́mite
Matriz de transición
Al igual que en las CMTD, podemos poner las probabilidades de transición, Pij , en
un matriz. Sin embargo, para este caso Pii = 0 para todo i.
1 2 3 ···
1 0 P12 P13 ...
2 P21 0 P23 ...
P = 3 P31
P32 0 ...
.. .. .. ..
. . . .
Probabilidades de transición
Definición
Considere una CMTC. Se llama probabilidad de transición, Pij (t), a la
probabilidad de que el proceso, dado que ahora está en el estado i, en t unidades
de tiempo más esté en el estado j.
Ecuación Chapman-Kolmogorov
Para todo s, t ≥ 0 se tiene que:
∞
X
Pij (t + s) = Pik (t) · Pkj (s)
k=0
Probabilidades de transición
Definición
Se denomina tasa de transición instantánea, qij , a la tasa a la cual el proceso
realiza una transición del estado i al estado j. Esta tasa está dada por:
qij = vi · Pij
Ejemplos
Ejemplo
Considere una peluquerı́a que posee dos peluqueros y un espacio de espera de a lo
más 5 personas. La llegada de las personas sigue un Proceso de Poisson con tasa
λ personas por hora. Los tiempos de atenciones de los peluqueros son iid con
distribución exponencial µ personas por hora. Los tiempos de atención y de
llegada son independientes entre sı́. Finalmente, si llega alguien y no puede entrar
a la peluquerı́a este simplemente se va.
Considere que X (t) es el número de personas en la peluquerı́a en el tiempo t.
Modele esto como una CMTC identificando el conjunto de estados y encontrando
todos los qij , vi y Pij .
Ejemplos
Solución:
0 1 2 ··· 7
v0 = λ
v1 = λ + µ
vi = λ + 2µ i = 2, 3, 4, 5, 6
v7 = 2µ
Las tasas de transición están dadas por:
Ejemplos
qi,i+1 = λ i ≤6
q1,0 = µ
qi,i−1 = 2µ i ≥2
Por lo tanto, las probabilidades de transición quedan:
λ
P0 1 = = 1
λ
λ
P1 2 =
λ+µ
µ
P1 0 =
λ+µ
λ
Pi i+1 = 2 <= i <= 6
λ + 2µ
2µ
Pi i−1 = 2 <= i <= 6
λ + 2µ
2µ
P7 6 = =1
2µ
Á. Lorca (PUC-Chile) Cadenas de Markov en Tiempo Continuo ICS2123 17 / 33
Probabilidades de Transición
Ejemplos
Ejemplo
En una fábrica existen dos máquinas distintas, A y B. Ambas máquinas son utilizadas
durante todo el dı́a, pero presentan fallas de vez en cuando. La máquina A presenta
fallas a tasa α, mientras que la máquina B lo hace a tasa β. Cuando las máquinas fallan
deben ser reparadas por sus respectivos mecánicos. El mecánico A tarda un tiempo que
distribuye exponencial de media 1/a en reparar la máquina, en tanto el mecánico B tarda
un tiempo que distribuye exponencial de media 1/b. Dibuje un grafo con todos los Pij .
0, 0
β
α α+β
α+β
a b
a+β α+b
1, 0 0, 1
β a
a+β a+b
b α
a+b α+b
1, 1
Outline
1 Definición
2 Probabilidades de Transición
3 Probabilidades Lı́mite
Probabilidad lı́mite
Considere la probabilidad de que una CMTC esté en el estado j después de un
tiempo t, con t → ∞. Si esta probabilidad existe y es independiente del estado
inicial se llama probabilidad lı́mite:
Ecuación de equilibrio
Es posible demostrar que se cumple lo siguiente, conocido como la ecuación de
Kolmogorov:
d X
Pij (t) = vk Pik (t)Pkj − vj Pij (t)
dt
k6=j
A partir de esto, tomando lı́mite a ambos lados, obtenemos
X
0= vk Pk Pkj − vj Pj
k6=j
X
vj Pj = vk Pk Pkj
k6=j
Observaciones
Interpretación:
Si los Pj existen se pueden interpretar como la proporción del tiempo que el
proceso se encuentra en el estado j.
vj · Pj corresponde a la tasa a la cual el proceso deja el estado j en el largo
plazo.
P
k6=j qkj · Pk corresponde a la tasa a la cual el proceso entra al estado j en el
largo plazo.
∞
P
Si a estas ecuaciones le agregamos la ecuación Pk = 1, entonces tendremos un
k
sistema de ecuaciones que permite obtener las probabilidades lı́mite del proceso.
Ejercicios
Ejemplo
Un local consiste en el limpiado de zapatos en dos etapas. Cuando un cliente
entra al local pasa primero por la etapa 1, luego por la etapa 2, y luego se va. Los
tiempos de servicio de ambas etapas son independientes con distribución
exponencial de tasas µ1 y µ2 respectivamente. Potenciales clientes llegan según
un Proceso Poisson de tasa λ independiente de los tiempos de servicio de ambas
etapas, pero los clientes entran si en el local no hay otro cliente.
1 Modele esta situación mediante una CMTC identificando los qij , vi y Pij
2 Si es posible, encuentre la proporción de tiempo que se permanece en el largo
plazo en cada uno de los estados.
3 En particular, ¿cuál es la proporción de tiempo que el local está vacı́o en el
largo plazo si la etapa 1 toma en promedio 2 minutos, la etapa 2 toma en
promedio 1 minutos y en promedio arriba un cliente cada 5 minutos?
Ejercicios
Solución:
Espacio de estados = {0, 1, 2}, en donde:
0: el local está vacı́o.
1: hay una persona en la etapa 1.
2: hay una persona en la etapa 2.
λ µ1
0 1 2
µ2
Ejercicios
λP0 = µ2 P2
µ1 P1 = λP0
µ2 P2 = µ1 P1
X
Pi = 1
i
µ1 µ2 λµ2 λµ1
P0 = P1 = P2 =
µ1 µ2 + λµ1 + λµ2 µ1 µ2 + λµ1 + λµ2 µ1 µ2 + λµ1 + λµ2
Por lo tanto, en particular, se está con el local vacı́o en un 62,5% del tiempo total.
Outline
1 Definición
2 Probabilidades de Transición
3 Probabilidades Lı́mite
Definición y caracterización
λ0 λ1 λ2
0 1 2 ···
µ1 µ2 µ3
Luego,
v0 = λ 0
vj = λj + µj , j = 1, 2, 3, . . .
P01 = 1
λj
Pj,j+1 = , j = 1, 2, 3, . . .
λj + µj
µj
Pj,j−1 = , j = 1, 2, 3, . . .
λj + µj
λ0 P0 = µ1 P1
(λ1 + µ1 )P1 = λ0 P0 + µ2 P2
(λ2 + µ2 )P2 = λ1 P1 + µ3 P3
...
(λn + µn )Pn = λn−1 Pn−1 + µn+1 Pn+1
λn Pn = µn+1 Pn+1
λn
⇒ Pn+1 = Pn
µn+1
Ejercicio
Ejemplo
Considere la llegada de personas a un banco. Las personas llegan según un
proceso de Poisson con tasa λ. El banco cuenta con 4 cajas que atienden de
forma simultánea, cada una con una tasa de atención µ. Considere que el banco
tiene capacidad infinita y existe una única fila. Determine la proporción de tiempo
en el largo plazo que el banco está vacı́o.
Ejercicio
Solución:
λ λ λ λ λ λ
0 1 2 3 4 5 ···
µ 2µ 3µ 4µ 4µ 4µ
1
P0 = 4 n ∞ n
1 λ 1 1 λ
P P
1+ n! µ + 24 4n−4 µ
n=1 n=5