Taller 2

Investigación de Operaciones 2
Área de Modelos matemáticos
Departamento de Ingeniería Industrial

Karen Lizeth Bustos Medina 1.32.469.684

Gonzalo Ulloa 11.445.144
Daniel Camero 1.018.467.890

TALLER 2: cadenas de Markov

Este taller debe ser entregado en grupos de máximo 3 personas el 14 de septiembre a las 11:59 pm. En la siguiente
carpeta: https://drive.google.com/drive/folders/1UA2vTanD69PGW2xEvI6wAD9-g2w5z3i8?usp=sharing. Además, se
debe entregar en Word, y si es necesario use Excel. Todo con formato ecuación, clara, y ordenada. No se recibirán
talleres que no cumplan con las condiciones de entrega ni fuera de las fechas pactadas. Cualquier indicio de plagio
será tratado de acuerdo con las normas de la universidad.

1. Dé dos ejemplos de variables aleatorias X discretas finitas.

2. Dé dos ejemplos de variables aleatorias X discretas infinitas.
3. Dé dos ejemplos de variables aleatorias X continuas finitas.
4. Dé dos ejemplos de variables aleatorias X continuas infinitas.
5. Dé dos ejemplos de tiempos t discretos.
6. Dé dos ejemplos de tiempos t continuos.
7. Dé dos ejemplos de procesos estocásticos que cumplan las condiciones markovianas.
8. Pliskin and Tell (1981). Los pacientes que sufren de falla de riñón pueden conseguir un trasplante o someterse a
diálisis periódicas. Durante un año cualquiera, 30% se somete a trasplantes cadavéricos y 10% recibe riñones de
donadores vivos. En el año después de un trasplante, 30% de los trasplantes cadavéricos y 15% de los
recipiendarios de donadores vivos regresan a la diálisis. Los porcentajes de muertes entre los dos grupos son 20% y
10%, respectivamente. De aquellos que están en el grupo de diálisis, 10% mueren, y de los que sobreviven más de
un año después de un trasplante, 5% mueren y 5% regresan a la diálisis. Represente la situación como una cadena
de Markov.
9. El departamento de estudios de mercado de una fábrica estima que el 20% de la gente que compra un producto un
mes, no lo comprará el mes siguiente. Además, el 30% de quienes no lo compren un mes lo adquirirá al mes
siguiente. En una población de 1000 individuos, 100 compraron el producto el primer mes. ¿Cuántos lo comprarán
al mes próximo? ¿Y dentro de dos meses?
10. El ascensor de un edificio con bajo y dos pisos realiza viajes de uno a otro piso. El piso en el que finaliza el viaje n-
ésimo del ascensor sigue una cadena de Markov. Se sabe que la mitad de los viajes que parten del bajo se dirigen a
cada uno de los otros dos pisos, mientras que, si un viaje comienza en el primer piso, sólo el 25% de las veces
finaliza en el segundo. Por último, si un trayecto comienza en el segundo piso, siempre finaliza en el bajo. Se pide:
a) Calcular la matriz de probabilidades de transición de la cadena
b) Dibujar el gráfico asociado.
c) ¿Cuál es la probabilidad de que, a largo plazo, el ascensor se encuentre en cada uno de los tres pisos?
11. Modele la siguiente cadena de Markov como un grafo. Calcule el periodo, y clasifique los estados ¿Qué tipo de
cadena es?

12. Consumidores de café en el área de Pontevedra usan tres marcas A, B, C. En marzo de 1995 se hizo una encuesta en
la que se entrevistó a las 8450 personas que compran café y los resultados fueron:
 Taller 2
Investigación de Operaciones 2
Área de Modelos matemáticos
Departamento de Ingeniería Industrial

a) Si las compras se hacen mensualmente, ¿cuál será la distribución del mercado de café en Pontevedra en
el mes de junio?
b) A la larga, ¿cómo se distribuirán los clientes de café?
c) En junio ¿Cuál es la proporción de clientes leales a sus marcas de café?

SOLUCIÓN DEL TALLER

1. Dé dos ejemplos de variables aleatorias X discretas finitas.

 Lanzar una carta de un mazo de cartas.

 Lanzar una moneda al aire .

2. Dé dos ejemplos de variables aleatorias X discretas infinitas.

 Contar el número de personas que suben patios en bicicleta.

 Contar el número de estudiantes que van a Punto Burger.

3. Dé dos ejemplos de variables aleatorias X continuas finitas.

 Nota del examen final de Estadística

 Distancia exacta que hay de una persona a otra, teniendo en cuenta las 20 personas de un salón.

4. Dé dos ejemplos de variables aleatorias X continuas infinitas.

 Suma del peso de los vehículos que pasan por la séptima.

 Suma del área que ocupa una cuando entra a Transmilenio en hora pico.

5. Dé dos ejemplos de tiempos t discretos

 Días que transcurren para el examen final de estadística

 Años que llevamos sin ganar un mundial de futbol.

6. Dé dos ejemplos de tiempos t continuos.

 Tiempo que transcurre para que Usaint Bolt recorra 100 metros planos.
 Tiempo que llevamos exactamente en cuarentena.
 Taller 2
Investigación de Operaciones 2
Área de Modelos matemáticos
Departamento de Ingeniería Industrial

7. Dé dos ejemplos de procesos estocásticos que cumplan las condiciones markovianas.

 En una ocasión, estaba subiendo Patios en mi bicicleta, y recordé que el fin de semana pasado lo subí, y,
teniendo en cuenta eso, la probabilidad de subirlo es del 70%, en cambio, en una ocasión que no lo subí,
tenía una probabilidad de subirlo del 20%.
 Tengo una niña que está aprendiendo a montar bicicleta, y todos los días entrenamos para que vaya
aprendiendo y le podamos quitar las ruedas de apoyo; si practicamos el día anterior, la probabilidad de
que hoy no se caiga de la bicicleta es del 65%, en cambio, si no practicamos el día anterior, tiene una
probabilidad de no caerse del 15%.

8. Cadena de Markov

9.
C=Compraron el producto N=NO Compraronel producto
p= [
0.8 0.2
0.3 0.7 ]
I =[ 100 900 ]
Dentro de un mes= [ 100 900 ]∗
0.8 0.2
0.3 0.7 [ ]
= [ 350 650 ]

Dentro de 2 meses=[ 100 900 ]∗

[ 0.8
0.3 0.7 ] [ 0.3 0.7 ]
0.2 0.8 0.2
∗ =[ 100 900 ]∗
[ 0.45
0.7 0.3
0.55 ]
=[ 475 525 ]
 Taller 2
Investigación de Operaciones 2
Área de Modelos matemáticos
Departamento de Ingeniería Industrial

En el primer mes compraron 350 de 1000, y en el segundo mes compraron 475 de 1000

10.

Diagrama

Matriz de probabilidades

[ ]
0 0.5 0.5
0.75 0 0.25
1 0 0

Cálculo de probabilidades a largo plazo

[ ]
0 0.5 0.5
π=π∗p ij π=[ π 1 π 2 π 3 ] ∗ 0.75 0 0.25 π=[ 0.75 π 2 + π 3 0.5 π 1 0.5 π 1+ 0.25 π 2 ]
1 0 0

{ }
0.75 π 2+ π 3 =π 1
0.5 π 1=π 2
π=
0.5 π 1+ 0.25 π 2=π 3
π 1 + π 2 +π 3=1

De la segunda ecuación { π 1=2 π 2 }

−π 1 +0.75 π 2+ π 3 =0
0.5 π 1+ 0.25 π 2 −π 3=0
π 1 + π 2 +π 3=1
Reemplazamos π 1 =2 π 2

{ }
−2 π 2 +0.75 π 2+π 3 =0
0.5∗( 2 π 2 ) +0.25 π 2−π 3=0
2 π 2 + π 2+ π 3=1
 Taller 2
Investigación de Operaciones 2
Área de Modelos matemáticos
Departamento de Ingeniería Industrial

{ }
−1.25 π 2 + π 3=0
1.25 π 2−π 3=0
3 π 2+ π 3 =1

Despejamos de la primera ecuación

π 3=1.25 π 2

Y reemplazamos enla última

3 π 2+ 1.25 π 2=1

1
π 2= ; π =0.2353
4.25
2∗1
π 1=2 π 2 ; π 1= =0.4705
4.25

Y reemplazamos ambos valores en laúltima ecuación

π 1+ π 2+ π 3 =1

0.4705+0.2353+ π 3 =1

π 3=1∗0.4705−0.2353=0.2941

Es decir entonces que a largo plazoes=¿

[ 0.4705 0.2353 0.2941 ] , para pisos 0,1,2respectivamente

11.
Cadena de Markov Irreducible

1=E . Absorbente2=E . Alcanzable3=E . Alcanzable4=E . Absorbente5=E . Alcanzable

6=E . Alcanzable

Periodo=0( No es posible volver alestado 1)

12.
a.
 Taller 2
Investigación de Operaciones 2
Área de Modelos matemáticos
Departamento de Ingeniería Industrial

[ ]
0.3 0.5 0.2
p= 0.2 0.6 0.2
0.25 0.25 0.5

[ ][ ][ ]
0.3 0.5 0.2 0.3 0.5 0.2 0.24 0.5 0.26
2
p = 0.2 0.6 0.2 ∗ 0.2 0.6 0.2 = 0.23 0.51 0.26
0.25 0.25 0.5 0.25 0.25 0.5 0.25 0.4 0.35

[ ][ ][ ]
0.24 0.5 0.26 0.24 0.5 0.26 0.2376 0.479 0.2834
4
( Junio) p = 0.23 0.51 0.26 ∗ 0.23 0.51 0.26 = 0.2375 0.4791 0.2834
0.25 0.4 0.35 0.25 0.4 0.35 0.2395 0.469 0.2915

b.

[ ]
0.3 0.5 0.2
p= 0.2 0.6 0.2
0.25 0.25 0.5

π=π∗p ij

[ ]
0.3 0.5 0.2
π=[ π 1 π 2 π 3 ] ∗ 0.2 0.6 0.2
0.25 0.25 0.5
π=[ 0.3 π 1 +0.25 π 2+ 0.25 π 3 0.5 π 1 +0.6 π 2 +0.25 π 3 0.2 π 1 +0.2 π 2 +0.5 π 3 ]

{ }
0.3 π 1+ 0.25 π 2 +0.25 π 3=π 1
0.5 π 1+ 0.6 π 2 +0.25 π 3=π 2
π=
0.2 π 1+ 0.2 π 2 +0.5 π 3=π 3
π 1 + π 2+ π 3 =1

Siguiendolos mismo pasos del punto 10

π= [ 0.2380 0.4761 0.2857 ]

c.
 Taller 2
Investigación de Operaciones 2
Área de Modelos matemáticos
Departamento de Ingeniería Industrial

][
2704 0.2376
]
0.479 0.2834
[ 2028
8450
3718
8450 8450
∗ 0.2375
0.2395
0.4791
0.469
0.2834
0.2915

[ ]
0.2376 0.479 0.2834
¿ [ 0.34 0.44 0.32 ]∗ 0.2375 0.4791 0.2834
0.2395 0.469 0.2915

¿Cuál es la proporción de clientes leales a sus marcas de café?

( Junio ) =[ 0.2381 0.4758 0.2859 ]