Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MÉTODOS PROBABILÍSTICOS
UNIDAD III: Introducción a los procesos estocásticos.
Temas
3.3 Clasificación de los estados de un proceso estocástico.
3.4 Representación canónica de la matriz de probabilidades de
transición.
OBJETIVO DE LA UNIDAD
Calcular diversas probabilidades de los procesos estocásticos usando una
herramienta computacional.
INTRODUCCIÓN
Los procesos estocásticos, pueden clasificarse de diferentes formas dependiendo
de su naturaleza interna, a sus relaciones con otro estados o de su comportamiento a
largo plazo. En esta sección, iniciaremos con describir formalmente a un proceso
estocástico por medio de la definición matemática del mismo, y luego procederemos a
definir una relación de equivalencia que nos ayudará a establecer clases de equivalencia
para hacer una clasificación de los estados de un proceso dependiendo de sus relaciones
externas con otros estados de otras clases de equivalencia y luego se procederá a clasificar
los estados de acuerdo con su naturaleza interna. El comportamiento a largo plazo lo
estudiaremos luego en otra sección.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
MÉTODOS PROBABILÍSTICOS
Página 2 de 12
observaciones se hacen después de cada juego; en otros casos la dimensión física que controla
el proceso puede ser volumen, área, etc…).
El caso más simple para estudiar esta conjunta, es cuando todas las variables aleatorias,
son independientes, ya que en dicho caso la conjunta se estudia como el producto de todas las
variables aleatorias. Pero ese no es el caso más común, ya que se espera en general que exista
algún tipo de dependencia entre las variables aleatorias. Por ello se introduce la definición
función de distribución de las transiciones condicional.
En el caso discreto se lee, es: la probabilidad de que el proceso en el paso 𝑛 tome el estado
(𝑚.𝑛)
𝑗 dado que el proceso en el paso 𝑚 tomó el estado 𝑖. Que es también, la forma de leer 𝑃𝑖𝑗 .
La dependencia más simple que existe entre las variables, es la dependencia de primer
orden, que también se conoce como dependencia de Markov.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
MÉTODOS PROBABILÍSTICOS
Página 3 de 12
Considere los puntos de observación 𝑡1 , 𝑡2 , … , 𝑡𝑛 , puntos tales que 𝑡1 < 𝑡2 < ⋯ < 𝑡𝑛 , la
dependencia de Markov, viene dada para el caso continuo por:
Kn = Kn-1 + In – En
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
MÉTODOS PROBABILÍSTICOS
Página 4 de 12
Esto matemáticamente significa que existe una probabilidad positiva de llegar desde 𝑖 a
𝑗, lo cual se escribe:
(0,𝑛)
𝑖 → 𝑗 (𝑗 𝑒𝑠 𝑎𝑐𝑐𝑒𝑠𝑖𝑏𝑙𝑒 𝑑𝑒𝑠𝑑𝑒 𝑖), 𝑠𝑖 ∃𝑛 ≥ 0 𝑡. 𝑞. 𝑃𝑖𝑗 > 0.
Esto matemáticamente significa que existe una probabilidad positiva de llegar desde 𝑖 a
𝑗, y otra de llegar de 𝑗 a 𝑖 lo cual se escribe:
(0,𝑛)
𝑖 → 𝑗 (𝑗 𝑒𝑠 𝑎𝑐𝑐𝑒𝑠𝑖𝑏𝑙𝑒 𝑑𝑒𝑠𝑑𝑒 𝑖), 𝑠𝑖 ∃𝑛 ≥ 0 𝑡. 𝑞. 𝑃𝑖𝑗 > 0.
(0,𝑚)
𝑗 → 𝑖 (𝑖 𝑒𝑠 𝑎𝑐𝑐𝑒𝑠𝑖𝑏𝑙𝑒 𝑑𝑒𝑠𝑑𝑒 𝑗), 𝑠𝑖 ∃𝑚 ≥ 0 𝑡. 𝑞. 𝑃𝑗𝑖 > 0.
El conjunto de todos los estados que se comunican entre sí, en un proceso estocástico,
forman una “Clase de Equivalencia”. En una clase de equivalencia, todos los estados se
comunican entre sí. Y si un estado dentro de una clase es de cierto tipo, entonces todos los
estados de la clase son del mismo tipo.
Definición de cadenas de Markov irreducibles: Una cadena de Markov, que tiene todos
sus estados pertenecientes a una sola clase de equivalencia se denomina Cadena de Markov
Irreducible.
Esto significa que, si en una cadena de Markov se tienen dos o más clases de equivalencia,
entonces no es posible que los estados de una clase se comuniquen con los estados de otras
clases. En dicho caso lo que puede existir únicamente es accesibilidad desde una clase a otra(s).
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
MÉTODOS PROBABILÍSTICOS
Página 5 de 12
Este concepto de clases de equivalencia toma en cuenta las relaciones externas que
pueden ocurrir entre los estados, pero existe otra clasificación basada en la naturaleza interna
de los estados. La siguiente definición identifica a los estados con su naturaleza interna.
(0,𝑛)
Sea 𝑓𝑖𝑖 = 𝑃(𝑋𝑛 = 𝑖, 𝑋𝑟 ≠ 𝑖 𝑝𝑎𝑟𝑎 𝑟 = 1, 2, … , 𝑛 − 1|𝑋0 = 𝑖) y
∞
(0,𝑛)
𝑓𝑖𝑖∗ = ∑ 𝑓𝑖𝑖
𝑛=1
(0,𝑛)
Esto significa que 𝑓𝑖𝑖 es la probabilidad de que el proceso retorne por primera vez al
estado 𝑖, luego de haber inicialmente haber estado en él. Cuando sea claro que el estado inicial
se refiera al estado en el tiempo 0, se omitirá del exponente dicho valor y simplemente se
(𝑛) (0,𝑛) (𝑛)
escribirá: 𝑓𝑖𝑖 . Es decir, 𝑓𝑖𝑖 = 𝑓𝑖𝑖 . Significando lo mismo, la probabilidad del primer retorno
al estado 𝑖.
Con el uso del concepto del tiempo promedio de recurrencia, los estados recurrentes se
pueden clasificar como recurrentes nulos o recurrentes positivos.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
MÉTODOS PROBABILÍSTICOS
Página 6 de 12
dice que un estado recurrente 𝑖 es recurrente positivo, sí y solamente sí, el tiempo promedio de
recurrencia es finito, es decir, 𝜇𝑖 < ∞.
Una conclusión que resulta inmediata es, que cuando se estudia una cadena de Markov
finita, la recurrencia siempre es positiva.
Y la otra es que la recurrencia nula solo ocurre cuando el espacio de estados es infinito
numerable. Es decir, que se puede establecer una relación biunívoca del espacio muestral con el
conjunto de los números naturales. O sea, cuando el espacio de estados es semejante a S = {0, 1,
2, 3, …}.
Esto implica que 𝑓𝑖𝑖∗ < 1, es decir, que el retorno al estado 𝑖 ya no es seguro.
Un estado es absorbente, cuando existe una o muchas formas de llegar a él, pero una vez
en él, ya no se sale de él. Los estados absorbentes están formados por uno y solamente un estado.
No pueden estar en una misma clase dos estados que sean absorbente. Ellos solitos forman una
clase recurrente positiva, denominada clase absorbente.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
MÉTODOS PROBABILÍSTICOS
Página 7 de 12
Teorema: Si el estado 𝑖 tiene período 𝑑𝑖 ≥ 1, entonces existe un entero 𝑁 tal que para
(𝑛𝑑𝑖 )
todos los valores de 𝑛 ≥ 𝑁, 𝑃𝑖𝑖 > 0.
(𝑚)
Corolario: Si 𝑃𝑗𝑖 > 0, entonces existe un entero 𝑁 > 0,
(𝑚+𝑛𝑑𝑖 )
tal que para 𝑛 ≥ 𝑁, 𝑃𝑗𝑖 > 0.
Por tanto, es necesario saber clasificar los estados desde un inicio como absorbentes,
recurrentes (positivos o nulos) o como transitorios.
Resulta de observarla, que se puede deducir de ella que los estados 0 y 8 son cada uno
absorbentes. Mientras que los estados 1 a 7 son todos transitorios. Aún más, se tienen en
total tres clases de equivalencia, la de los estados absorbentes, cada uno es una clase, y los
estados 1 a 7 se comunican todos entre sí, formando así una sola clase transitoria, debido a
que existen probabilidades positivas de irse de la clase y ya no volver a ella.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
MÉTODOS PROBABILÍSTICOS
Página 8 de 12
0 8 1 2 3 4 5 6 7
0 1 0 0 0 0 0 0 0 0
8ۍ0 1 0 0 0 0 0 0 0 ې
ێ 0 0 ۑۑ
1 ێ. 5 0 0 .5 0 0 0
2 ێ0 0 .5 0 .5 0 0 0 0ۑ
𝑃(𝐶𝐴𝑁) = 3 ێ0 0 0 .5 0 .5 0 0 0ۑ
4 ێ0 0 0 0 .5 0 .5 0 0ۑ
5 ێ0 0 0 0 0 .5 0 .5 0ۑ
6 ێ0 0 0 0 0 0 .5 0 . 5ۑ
7 ۏ0 .5 0 0 0 0 0 .5 0ے
Supongamos que la matriz tiene m estados de los cuales r son los estados recurrentes
y m-r son los estados transitorios entonces la matriz canónica se puede re-escribir como:
P 0
P CAN 1
R Q
P 0
P CAN 1
R Q
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
MÉTODOS PROBABILÍSTICOS
Página 9 de 12
3.6. BIBLIOGRAFÍA
1. Solomon. F. (1987) Probability and Stochastic Processes. New Jersey, USA. Prentice Hall
Inc.
2. Bhat, U.N. & Miller, G. K. (2002) Elements of applied Stochastic Processes. New York, USA.
Wiley-Interscience, John Wiley & Sons, Inc.
3. Bailey, N. T. J. (1964) The Elements of Stochastic Processes, with applications to the
natural sciences. New York, USA. John Wiley & Sons, Inc.
4. Žitkcović, G. (2010) Introduction to Stochastic Processes – Lecture Notes. Austin, Texas,
USA. Department of Mathematics. The University of Texas.
5. Taylor, H.M. & Karlin, S. (1998) An Introduction to Stochastic Modeling. New York, USA.
Academic Press.
6. Knill, O. (2009) Probability and Stochastic Processes with Applications. New Delhi, India.
Overseas Press India Private Limited.
7. Ross S. M. (1996) Stochastic Processes. New York, USA, John Wiley and Sons, Inc.
8. Wolf, R. W. (1989) Stochastic Modeling and the Theory of Queues. New Jersey, USA.
Prentice Hall Inc.
9. Yates, R. D. & Goodman, D. J. (1983) Probability and Stochastics Processes. New York,
USA. John Wiley and Sons, Inc.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
MÉTODOS PROBABILÍSTICOS
Página 10 de 12
GLOSARIO
Definición de la Matriz en forma canónica.
Considere los puntos de observación 𝑡1 , 𝑡2 , … , 𝑡𝑛 , puntos tales que 𝑡1 < 𝑡2 < ⋯ < 𝑡𝑛 , la
dependencia de Markov, viene dada para el caso continuo por:
Esto matemáticamente significa que existe una probabilidad positiva de llegar desde 𝑖 a
𝑗, lo cual se escribe:
(0,𝑛)
𝑖 → 𝑗 (𝑗 𝑒𝑠 𝑎𝑐𝑐𝑒𝑠𝑖𝑏𝑙𝑒 𝑑𝑒𝑠𝑑𝑒 𝑖), 𝑠𝑖 ∃𝑛 ≥ 0 𝑡. 𝑞. 𝑃𝑖𝑗 > 0.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
MÉTODOS PROBABILÍSTICOS
Página 11 de 12
Esto matemáticamente significa que existe una probabilidad positiva de llegar desde 𝑖 a
𝑗, y otra de llegar de 𝑗 a 𝑖 lo cual se escribe:
(0,𝑛)
𝑖 → 𝑗 (𝑗 𝑒𝑠 𝑎𝑐𝑐𝑒𝑠𝑖𝑏𝑙𝑒 𝑑𝑒𝑠𝑑𝑒 𝑖), 𝑠𝑖 ∃𝑛 ≥ 0 𝑡. 𝑞. 𝑃𝑖𝑗 > 0.
(0,𝑚)
𝑗 → 𝑖 (𝑖 𝑒𝑠 𝑎𝑐𝑐𝑒𝑠𝑖𝑏𝑙𝑒 𝑑𝑒𝑠𝑑𝑒 𝑗), 𝑠𝑖 ∃𝑚 ≥ 0 𝑡. 𝑞. 𝑃𝑗𝑖 > 0.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
MÉTODOS PROBABILÍSTICOS
Página 12 de 12
dice que un estado recurrente 𝑖 es recurrente positivo, sí y solamente sí, el tiempo promedio de
recurrencia es finito, es decir, 𝜇𝑖 < ∞.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.