Introducción a los Procesos

SEMANA 2
  ESTOCÁSTICO
S  
 
 

 
 
 
 

 
 
 

 
 
 
 

 
 
 

 
 
 
 

 
 
 
   

[ PROGRAMACIÓN ESTOCÁSTICA ]
  

SEMANA  DOS  
 
LECTURA  UNO:  INTRODUCCIÓN  A  LOS  PROCESOS  ESTOCÁSTICOS    
Los  temas  tratados  en  la  semana  uno  tenían  como  propósito  lograr  que  el  lector  recuerde  y  se  
familiarice   nuevamente   con   los   temas   de   probabilidad   y   estadística.   El   cumplimiento   de   ese  
propósitos  es  fundamente  para  el  entendimiento  de  todo  lo  relacionado  a  Procesos  Estocásticos,  
Cadenas   de   Markov   en   Tiempo   Discreto,   Cadenas   de   Markov   en   Tiempo   Continuo,   Teoría   de  
Colas  y  Redes  de  Jackson.  
En   el   estudio   que   hasta   el   momento   se   ha   abordado   en   los   temas   de   probabilidad,   se   ha   tenido  
en  cuenta  como  supuesto  que  las  características  aleatorias  asociadas  a  las  variables  aleatorias  
permanecen  constantes  a  través  del  tiempo.    
 
Es   importante   recordar   que   al   incluir   en   los   análisis   probabilísticos   la   presencia   de   la   variable  
determinística   tiempo,   se   está   considerando   que,   de   alguna   manera,   la   variable   aleatoria  
depende   del   tiempo.   En   otras   palabras,   la   variable   aleatoria   depende   del   fenómeno  
probabilístico  y  del  tiempo.  Considerando  lo  anterior,  se  puede  concluir  que  cualquier  función  
que  se  establezca  en  términos  de  una  variable  aleatoria,  como  lo  son  la  función  de  distribución  
de  probabilidad  (fdp)  y  la  función  de  densidad  acumulada  (fda),  serán  también  dependientes  del  
tiempo.  
 
A  partir  de  contenido  de  esta  lectura  se  comienza  a  introducir  el  tema  de  procesos  estocásticos.  
Este   tema   tiene   entre   sus   objetivos   más   importantes,   construir   un   modelo   que   nos   permita  
explicar   laestructura,   al   menos   a   corto   plazo,   de   una   variable   que   observamosa   lo   largo   del  
tiempo.   Por   ejemplo,   considere   como   variable   aleatoria,   la   TRM*.   La   TRM   al   igual   que   las  
variables  que  empezaremos  a  analizar  en  el  área  de  programación  estocástica**  tiene  en  cuenta  
que  los  datos  se  obtienen  en  intervalos  regulares  de  tiempo  (días,  semanas,  meses,  años,  etc.)    y  
el  objetivo  es  utilizar  la  posible  inercia  en  el  comportamiento  de  la  serie  con  el  fin  de  predecir  su  
evolución   o   comportamiento   futuro.   Así,   una   serie   temporal   será   una   sucesión   de   valores   de  
una  variable  obtenidos  de  manera  secuencial  a  través  del  tiempo.  
 
Proceso  Estocástico  
Para   familiarizar   al   lector   con   la   notación   utilizada   en   programación   estocástica,   desde   ahora  
definiremos   “!! ”   como   una   variable   aleatoria   que   significa:   el  estado  del  sistema  en  el  tiempo  
n.    

                                                                                                               
*
  La   tasa   de   cambio   representativa   del   mercado   (TRM)   es   la   cantidad   de   pesos   colombianos   por   un   dólar   de   los  
Estados   Unidos   (antes   del   27   de   noviembre   de   1991   la   tasa   de   cambio   del   mercado   colombiano   estaba   dada   por   el  
valor   de   un   certificado   de   cambio).   La   TRM   se   calcula   con   base   en   las   operaciones   de   compra   y   venta   de   divisas  
entre  intermediarios  financieros  que  transan  en  el  mercado  cambiario  Colombiano,  con  cumplimiento  el  mismo  día  
cuando   se   realiza   la   negociación   de   las   divisas.   Tomado   el   28   de   enero   de   2013   de  
http://www.banrep.gov.co/series-­‐estadisticas/see_ts_trm.htm        
**
 La  temática  de  Programación  Estocástica  es  también  conocido  como  Modelos  Probabilísticos.  

 
2   [ POLITÉCNICO GRANCOLOMBIANO ]
  

Por   ejemplo,   si   se   desea   modelar   probabilísticamente   el   valor   de   la   tasa   de   cambio  

representativa  del  mercado  (TRM),  entonces  se  pueden  tener  las  siguientes  interpretaciones:  
Forma   Uno:  podemos  suponer  que  se  desea  analizar  el  comportamiento  de  la  TRM  durante  una  
semana:  
!!  Significa  o  representa  el  valor  de  la  TRM  el  día  lunes.  
!!  Significa  o  representa  el  valor  de  la  TRM  el  día  martes.  
!!  Significa  o  representa  el  valor  de  la  TRM  el  día  miércoles.  
 .  
 .  
 .  
!!  Significa  o  representa  el  valor  de  la  TRM  el  día  domingo.  
Forma  Dos:  Podemos  suponer  que  se  desea  analizar  el  comportamiento  de  la  TRM  durante  un  
mes  (31  días).  
!!  =  valor  de  la  TRM  en  el  día  cero+.      
!!  =  valor  de  la  TRM  en  el  día  uno.  
!!  =  valor  de  la  TRM  en  el  día  dos.  
.  
.  
.  
!!"  =  valor  de  la  TRM  en  el  día  treinta.  
Forma  Tres:  podemos  suponer  que  se  desea  analizar  el  comportamiento  de  la  TRM  durante  un  
mes  (31  días).  
!!  =  valor  de  la  TRM  en  el  día  uno.  
!!  =  valor  de  la  TRM  en  el  día  dos.  
.  
.  
.  
!!"  =  valor  de  la  TRM  en  el  día  treinta  y  uno.  
Las   tres   formas   anteriores   no   son   las   únicas   maneras   en   que   se   puede   de   representar   el  
modelamiento   probabilístico   de   la   TRM.   Las   tres   formas   presentadas,   tienen   como   propósito  
familiarizar   sobre   la   notación   y   presentar   diferentes   alternativas   para   definir   el   estado   de   un  
sistema  como  un  proceso  estocástico.    
Pero,  ¿Qué  es  un  proceso  estocástico?  Considere  un  sistema  que  incorpora  aleatoriedad    en  el  
tiempo.  Suponga  que  el  sistema  es  observado  en  los  tiempos  discretos  n=0,1,2,3…  
Sea  “!! ”  el  estado  del  sistema  en  el  tiempo  n.  
La   secuencia   de   variables   aleatorias  !!  ,  !! ,  !! ,  !!  …  !!  es   llamada   un   proceso   estocástico   en  
tiempo  discreto  y  se  puede  representar  como:  
!!  , ! ≥ 0  
Otra  forma  de  definir  un  proceso  estocástico  es  la  siguiente:  

                                                                                                               
+
 Donde  el  día  cero  puede  ser  interpretado  como  el  día  de  hoy.  

 
[ HERRAMIENTAS PARA LA PRODUCTIVIDAD ] 3
  

un   proceso   estocástico   es   una   colección   o   familia   de   variables   aleatorias   !!  , ! ≥ 0 ,  

ordenadas   según   el   subíndice   “!”   que   en   general   representa   el   tiempo.Por   tanto,   para   cada  
instante   “!”   tendremos   una   variable   aleatoria   distinta   representadapor  "!! "  ,   con   lo   que   un  
proceso   estocástico   puede   interpretarse   como   una   sucesión   de   variables   aleatorias   cuyas  
características  pueden  variar  a  lo  largo  del  tiempo.  
 
Espacio  de  Estados  
Sea   “!”   el   conjunto   de   posibles   valores   de  "!! "  para   cualquier   “!”.   Luego   “!”   es   llamado   el  
espacio  de  estados  del  proceso  estocástico.    
 
Ejemplo  Uno:  
Un   estudiante   de   programación   estocástica   desea   modelar   como   un   proceso   estocástico   la  
temperatura   que   se   registra   en   el   Politécnico   Grancolombiano   todos   los   días   a   las   12:00pm.  
¿Cuál  es  el  modelamiento  adecuado?  
 
Solución:  
Para  modelar  un  sistema  como  un  proceso  estocástico  en  tiempo  discreto  es  necesario  definir  
dos  cosas,  la  variable  del  sistema  (el  estado  del  sistema  en  el  tiempo  n  -­‐  !! )    y  el  conjunto  de  
posibles  valores  de  “!! ”    !   .  
Para  este  ejemplo,  la  mejor  forma  de  definir  la  variable  y  el  conjunto  de  posibles  estados  es  la  
siguiente:  
!!  =   Temperatura   en   grados   Celsius   en   el   Politécnico   Grancolombiano   a   las   12:00pm   del   n-­‐
ésimo  día.  
!  =   0  , 30  
Para   la   definición   del   espacio   de   estadosde   este   ejemplo,estamos   suponiendo   que   en   el  
Politécnico  Grancolombiano  nunca  se  registrarán  temperaturas  inferiores  a  cero  grados  Celsius  
ni  superiores  a  30  grados  Celsius.  Adicionalmente,  es  importante  identificar  que  el  espacio  de  
estados  para  este  ejemplo  en  un  conjunto  infinito  de  valores  que  están  entre  cero  y  30,  es  decir,  
el  espacio  de  estado  es  continuo.      
 
Ejemplo  Dos:  
Modelar  como  un  proceso  estocástico  el  lanzamiento  de  un  dado  de  seis  lados.  
Solución  Uno:  
Para  este  ejemplo,  la  mejor  forma  de  definir  la  variable  y  el  conjunto  de  posibles  estados  es  la  
siguiente:  
!!  =  Resultado  del  n-­‐ésimo  lanzamiento  de  un  dado  de  seis  lados.    
!  =   1, 2, 3, 4, 5, 6  
Solución  Dos:  
Esta   es   una   solución   alternativa   para   el   ejemplo   dos.   Es   muy   similar   a   la   solución   anterior,   lo  
único  que  cambia  es  la  forma  es  que  se  define  la  variable:  
!!  =  Resultado  de  un  dado  de  seis  lados  después  del  n-­‐ésimo  lanzamiento.    
!  =   1, 2, 3, 4, 5, 6  

 
4   [ POLITÉCNICO GRANCOLOMBIANO ]
  

Ejemplo  Tres:  
Se  desea  modelar  el  comportamiento  semanal  del  inventario  devehículos  de  un  concesionario  
que  tiene  capacidad  para  almacenar  diez  vehículos.    
 
Solución:  
Para  este  ejemplo,  la  mejor  forma  de  definir  la  variable  y  el  conjunto  de  posibles  estados  es  la  
siguiente:  
!!  =  número  de  vehículos  en  inventario  al  final  de  la  n-­‐ésima  semana.  
!  =   0, 1, 2, 3 … 10  
Note   que   el   espacio   de   estados   empieza   con   valor   cero   porque   es   posible   que   en   el  
concesionario   no   se   tengan   vehículos   disponibles   para   la   venta   y   termina   en   diez   porque   el  
concesionario  tiene  una  capacidad  de  almacenamiento  de  diez  vehículos.    
Ejemplo  Cuatro:  
Se  desea  modelar  el  comportamiento  semanal  del  inventario  de  vehículos  de  un  concesionario  
que   tiene   capacidad   para   almacenar   diez   vehículos.   Adicionalmente,   se   conoce   que   el   costo  
administrativo   por   concepto   de   inventario   de   tener   un   vehículo   en   el   almacén   es   de   50.000  
pesos  por  semana.  
Responder:    
a.  ¿Cuál  es  el  costo  total  esperado  del  inventario  durante  las  primeras  tres  semana?  
Solución:  
El  primer  paso  para  resolver  este  ejercicio  es  modelar  el  sistema  como  un  proceso  estocástico.  
Es  importante  recordar  que  modelar  un  proceso  estocástico  consiste  en  definir  la  variable  y  el  
espacio  de  estados.    
!!  =  número  de  vehículos  en  inventario  al  final  de  la  n-­‐ésima  semana.  
!  =   0, 1, 2, 3 … 10  
Por  lo  tanto,  el  costo  total  esperado  del  inventario  durante  las  primeras  tres  semanas  es  igual  a:  
Ε 50.000 ∗ !! + 50.000 ∗ !! + 50.000 ∗ !!  =  50.000 ∗ Ε !! + !! + !!  
b.   ¿Cuál   es   el   costo   promedio   esperado   de   mantener   un   vehículo   almacenado   en   el  
concesionario?  
!
50.000 ∗ !! + 50.000 ∗ !! +   …  + 50.000 ∗ !! !!
Ε
!
= 50.000 ∗ Ε !  
!!  !
Nota:  recuerden  que  para  el  ejercicio  anterior  el  significado  de  la  notación  es  como  se  presenta  
en  los  siguientes  ejemplos.  
!!  =  0  (El  número  de  vehículos  en  inventario  al  final  de  la  primera  semana  es  igual  a  cero).  
!!  =  1  (El  número  de  vehículos  en  inventario  al  final  de  la  semana  cero  es  igual  a  uno).  Podemos  
interpretar  que  la  semana  cero  es  la  semana  actual.    
!!  =  3  (El  número  de  vehículos  en  inventario  al  final  de  la  segunda  semana  es  igual  a  tres).  

 
[ HERRAMIENTAS PARA LA PRODUCTIVIDAD ] 5