Documentos de Académico
Documentos de Profesional
Documentos de Cultura
𝑡: tiempo (generalmente)
𝑋𝑡 representa una característica de interés mensurable en el tiempo t
estado del proceso en el tiempo t
EJEMPLO
𝑋𝑡 : número total de clientes que han entrado a/ están dentro de
un supermercado en el tiempo t
𝑋𝑡 : cantidad total de ventas registradas hasta el tiempo t
Discreto y continuo
𝑇 es el conjunto de índices del proceso
𝑇 contable → PE discreto
{𝑋𝑛 , 𝑛 = 0,1,23, … } es un PE discreto indexado en enteros no negativos
𝑇 continuo → PE continuo
{𝑋𝑡 , 𝑡 ≥ 0} es un PE continuo indexado en reales no negativos
Estados en un PE
Conjunto de todos los posibles valores que puede tomar la variable aleatoria
{𝑋𝑡 }
Si el proceso está en estado i hay una probabilidad fija Pij de que esté en estado j en
el siguiente punto del tiempo
Cadena de Markov: Definición
Si suponemos que:
𝑃𝑖𝑗 = 1 ∀ 𝑖 = 0,1, …
𝑗=0
Matriz de probabilidades de Transición
de Estados (MPTE) de un paso
1
P
1
Diagrama de burbujas
Ejemplo 2. Sistema de comunicación
Considere un sistema de comunicaciones que transmite los dígitos 0 y 1. Cada
dígito transmitido debe pasar a través de varias etapas en cada una de las cuales
hay una probabilidad 𝑝 de que el digito entrado no será cambiando cuando salga.
p 1 p
P
1 p p
Ejemplo 3. Estado de animo
En un día cualquiera, Gary puede estar jovial, regular o triste. Si está jovial hoy, entonces
estará jovial, regular o triste mañana con probabilidad 0.5, 0.4 y 0.1. Si está regular hoy,
entonces estará jovial, regular o triste mañana con probabilidades 0.3, 0.4 y 0.3
respectivamente. Si está triste hoy, entonces estará jovial, regular o triste mañana con
probabilidades 0.2, 0.3 y 0.5 respectivamente.
Ejemplo 3. Estado de animo
Si 𝑋𝑛 : estado de animo de Gary en el día 𝑛 entonces {𝑋𝑛 . 𝑛 ≥ 0} es una CM de
tres estados (0: Jovial, 1: Regular, 2: Triste) con MPTE
L L L
0.7 0 0.3 0
0.5 0 0.5 0
P
L L N
0 0.4 0 0.6
N L L
0 0.2 0 0.8
N L N
Ejercicio 2
Suponga ahora que el modelo del mercado de acciones se cambia de manera que
el hecho de que una acción suba o no mañana depende de si subió o no hoy y
ayer. En particular, si la acción subió los dos días, ayer y hoy, la probabilidad de
que suba mañana es de 0.9. Si la acción subió hoy pero ayer bajó, la probabilidad
de que mañana suba es de 0.6. Si la acción bajó hoy pero ayer subió, entonces la
probabilidad de que mañana suba es de 0.5. Por último, si bajó durante estos dos
días, la probabilidad de que mañana suba es de 0.3.
Solución
Estado 0: la acción aumentó hoy y ayer
Estado 1: la acción aumentó hoy y ayer bajó
Estado 2: la acción bajó hoy y ayer aumentó
Estado 3: la acción bajó hoy y ayer
0 0.9 0 0.1 0
1 0.6 0 0.4 0
P
2 0 0.5 0 0.5
3 0 0.3 0 0.7
Ejemplo 5 Modelo de juego
Suponga que un jugador tiene $1 y considere que en cada jugada o gana $1 con
probabilidad p o pierde $1 con probabilidad 1-p. El juego termina cuando el jugador
acumula $3 o cuando quiebra.
0 1 0 0 0
Pi ,i 1 p 1 Pi ,i 1 1, 2,...N 1 1 1 p 0 p 0
P
P00 PNN 1 2 0 1 p 0 p
3 0 0 0 1
Ecuaciones de Chapman-Kolmogorov
𝑷𝒊𝒋 : probabilidades de transición de un paso
Pijn P{ X n k j | X k i}, n 0, i, j 0
Por supuesto
Pij1 Pij
Ecuaciones de Chapman-Kolmogorov
Proveen un método para calcular estas probabilidades de transición
luego de n pasos
P nm
ij P P , n, m 0, i, j
n m
ij kj
k 0
M
P (n)
ij P ( n 1)
ik P kj
k o
Ecuaciones de Chapman-Kolmogorov
En notación matricial:
n 1
P P n
P n
y
nm
P P n
P ,0 m n
m
Ejemplo 6 del ejemplo 1 (Clima)
1
P 𝛼 = 0.7, 𝛽 = 0.4
1
Pii0 P{ X 0 i | X 0 i} 1
Propiedades de la relación de
comunicación
El estado i se comunica con el estado i ∀ 𝑖 ≥ 0
0.5 0.5 0
P 0.5 0.25 0.25
0 0.33 0.67
• Si i es recurrente, el proceso volverá a pasar por el estado i una y otra vez de manera
infinita
n 1
fi (1 f i ), n 1
Consideraciones importantes
Si el estado i es transitorio, entonces iniciando en el estado i, el número esperado de
periodos de tiempo que el proceso está en estado i tiene una distribución geométrica
con media finita
1
1 fi
Consideraciones importantes
El estado i es recurrente si y solo si, iniciando el estado i, el número de periodos de
tiempo que el proceso está en el estado i es infinito
El estado i es
Recurrente si Transitorio si
ii 1
P
n0
n
P
n0
n
ii 1
PERO
a (1) a (0) P
a (2) a (1) P a (0) PP a (0) P 2
a (3) a (2) P a (0) P 2 P a (0) P 3
a ( n ) a (0) P n
Ejercicio 3
En una cierta región el tiempo atmosférico sigue la siguiente secuencia: Un día se denomina
soleado (S) si el sol luce más de la mitad del día, y se denomina nublado (N), si lo hace
menos. Por experiencia, se sabe que si hay un día nublado, es igual de probable que el día
siguiente sea también nublado. Si el día es soleado hay una probabilidad de 2/3 de que sea
también soleado.
1. Al final del día hoy miércoles hay 2 unidades en existencia ¿Qué probabilidad hay de que al
final del día viernes se haga el pedido al proveedor?
2. Que probabilidad hay que en el transcurso del sábado se presenten faltantes, si hoy
miércoles el inventario tiene 2 unidades
3. Número promedio de unidades vendidas el día sábado si hoy miércoles se tienen 2
unidades.
Probabilidades de estado estable
Si n es lo suficientemente grande, todos los renglones de la matriz
tienen elementos idénticos, lo que significa que la probabilidad de
que el sistema esté en cada estado j ya no depende del estado inicial
del sistema. En otras palabras, parece que existe una probabilidad
límite de que el sistema se encuentre en el estado j
Probabilidades de estado estable
En una cadena de Markov ergodica, la probabilidad de estado establece se define como
j
j 1
Una cadena de Markov es ergodica si todos sus estados son no nulos, no periódicos y recurrentes.
Proporciones en el largo plazo
Si la CM es irreducible recurrente, la proporción del tiempo en el largo plazo que
el proceso pasa en el estado j es 1 𝑚𝑗
Proposición :
1
Si la CM es irreducible y recurrente, entonces para cualquier estado inicial 𝜋𝑗 =
𝑚𝑗
Ejemplo 12 del clima
Considere el ejemplo en el que asumimos que si llueve hoy, lloverá mañana con probabilidad 𝛼 y
sino llueve hoy , lloverá mañana con probabilidad 𝛽. Si decimos que el estado 0 es que llueve y el
estado 1 es no llueve . En el largo plazo, qué proporción del tiempo llueve
1
P 𝛼 = 0.7, 𝛽 = 0.4
1
Ejemplo 13
Considere el problema de Gary y los estados de animo. Si 𝑋𝑛 : estado de animo
de Gary en el día 𝑛 entonces {𝑋𝑛 . 𝑛 ≥ 0} es una CM de tres estados (0: Jovial, 1:
Regular, 2: Triste) con MPTE
0.5 0.4 0.1
P 0.3 0.4 0.3
0.2 0.3 0.5
1
jj , j 1, 2,..., n
j
Ejercicio 5.
Cada año, durante la temporada de siembra de Marzo a Septiembre, un jardinero realiza una
prueba química para verificar la condición de la tierra. Según el resultado de la prueba, la
productividad de la nueva temporada puede ser un de tres estados. 1) Buena, 2) Regular ,o
3) Mala.
A lo largo de los años el jardinero ha observado que la condición de la tierra del año anterior
afecta la productividad del año actual y que la situación se describe mediante la siguiente CM
Por ejemplo: si la condición de la tierra es buena esta año (estado 1) hay un 20% de
probabilidad de que no cambien el año siguiente, 50% de probabilidad de que sea
regular (estado 2) y 30% de probabilidad de que se deteriorará a una condición mala
(estado 3)
Ejercicio 5.
El jardinero modifica la MPTE utilizando un fertilizante orgánico y el resultado es el
siguiente
𝜇𝑖𝑗 : Tiempo promedio del primer paso por el estado j iniciando en el estado i
Número esperado de transiciones para llegar por primera vez al estado j desde el
estado i
Consideraciones preliminares
Si se tiene una MPTE P con m estados,
ij ( I N j ) 11, j i
I : Matriz identidad de m 1
N j : Matriz P sin fija j - esima y sin columna j - esima estado destino
1: Vector columna de (m -1) con todos los elementos iguales a 1
Ejemplo
Cadena del jardinero con fertilizantes
D P(D)
Suponga que se surte sangre cada tres días, el hospital propone
0 0.4
una política para recibir una pinta cada entrega y usar primero la
1 0.3 mas antigua. Si se requiere mas sangre de la que hay en el banco
2 0.2 disponible se hace un pedido de emergencia por alto costo. La
3 0.1 sangre se descarta si en 21 días no se ha usado.
Ejercicio Inventarios
1. Si Hoy tenemos en inventario 2 unidades que probabilidad hay de que dentro de 9 días
tengamos 0 unidades?
2. Si hoy tenemos dos unidades en inventario, que probabilidad hay de que en el periodo
comprendido entre el día 9 al 12 tenga que comprar sangre de emergencia?
3. Cual es el número promedio de unidades que se comprarían de emergencia en el
periodo 9-12?
4. Cual es la probabilidad de que en un periodo cualquiera usted tenga que descartar
sangre?
5. El precio normal de la sangre cuando ha sido un periodo programado es de $3000/
unidad, mientras que la sangre de emergencia es de $5000/unidad. Cuál es el costo de la
política actual de inventario?
6. Cuál es el número promedio de unidades a comprar en el periodo de tres días?