Capitulo 2 Cadena de Markov Discreta 9 Al... 1 PDF

Capítulo
2:
Cadenas del Markov Discreta (Probls.

9 al 11)
Problema 9
Suponga que las ventas semanales de un cierto producto pueden ser descritas como una cadena de Markov
discreta. Suponga que esas ventas varían entre 2 y 8 unidades. Las probabilidades de transición en una etapa
son las siguientes:
0.6 0.4 0 0 0 0 0
0 1 0 0 0 0 0
0 0 0 1 0 0 0
𝑃= 0 0 0.8 0.2 0 0 0
0 0 0 0 0.4 0.6 0
0.5 0 0.3 0 0 0 0.2
0 0.4 0 0 0.6 0 0
a) ¿Existe distribución límite? ¿Existe distribución estacionaria? Justifique.
b) Suponga que las ventas semanales pueden clasificarse en Bajas (2 ó 3), Medias (4 ó 5) o Altas (6,7 u
8), y suponga que durante la primera semana se vendieron 6 unidades. ¿Cuáles son las
probabilidades, en el largo plazo, de que las ventas en una semana cualquiera sean Bajas, Medias o
Altas?
c) ¿Cuánto tiempo transcurre en promedio, entre dos semanas con ventas iguales a 2 unidades? ¿Cuál
es la distribución de probabilidades de este tiempo?
Solución:
a) De acuerdo a l figura, podemos identificar 4 clases de estados:
Figura 2. 1
Las clases desde estados de esta cadena de Markov son:
1

This study source was downloaded by 100000802525228 from CourseHero.com on 11-02-2022 20:41:54 GMT -05:00
https://www.coursehero.com/file/30358550/Capitulo-2-Cadena-de-Markov-Discreta-9-al-1pdf/
𝐶- = 4,5 (recurrente positiva aperiódica)
𝐶/ = 6,7,8 (transiente aperiódica);
𝐶1 = 2 (transiente aperiódica);
𝐶2 = 3 (recurrente positiva aperiódica);
Todas las clases son aperiódicas, por lo que existe distribución límite.
Además, hay dos clases recurrentes positivas aperiódicas y, como las clases recurrentes son
cerradas, la distribución límite depende del estado inicial (por ejemplo, es distinta si 𝑋4 = 3 o si
𝑋4 = 5). Por ende, no existe distribución estacionaria.
b) Las ventas semanales se clasifican en Bajas (2 ó 3), Medias (4 ó 5) o Altas (6,7 u 8).
Sea 𝑋5 = ventas en el período 𝑛 (con 𝑋4 = 6).
En el largo plazo,
Pr 𝑉𝑒𝑛𝑡𝑎𝑠 𝐵𝑎𝑗𝑎𝑠 = Pr 𝑙𝑎𝑠 𝑣𝑒𝑛𝑡𝑎𝑠 𝑒𝑛 𝑢𝑛𝑎 𝑠𝑒𝑚𝑎𝑛𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟𝑎 𝑠𝑒𝑎𝑛 𝐵𝑎𝑗𝑎𝑠

= lim Pr 𝑋5 = 2 + lim Pr 𝑋5 = 3
5→M 5→M
Como el estado 2 es transiente, en el largo plazo, Pr 𝑋5 = 2 = 0.
Además,
5
𝐹 6,3 𝐹 6,3
lim Pr 𝑋5 = 3 = lim 𝑃O,1 = = = 𝐹 6,3
5→M 5→M 𝐸 𝑇 3,3 1
Por otra parte se tiene que,
𝐹 6,3 = 0.4 ⋅ 𝐹 6,3 + 0.6 ⋅ 𝐹 7,3

𝐹 7,3 = 0.5 ⋅ 𝐹 2,3 + 0.3 ⋅ 𝐹 4,3 + 0.2 ⋅ 𝐹 8,3
𝐹 2,3 = 0.4 + 0.6 ⋅ 𝐹 2,3
𝐹 4,3 = 0
𝐹 8,3 = 0.4 + 0.6 ⋅ 𝐹 6,3
Resolviendo el sistema se tiene que:
𝐹 6,3 = 0.6591
es decir,
Pr 𝑉𝑒𝑛𝑡𝑎𝑠 𝐵𝑎𝑗𝑎𝑠 = 0.6591
Para las ventas medias se tiene que:
Pr 𝑉𝑒𝑛𝑡𝑎𝑠 𝑀𝑒𝑑𝑖𝑎𝑠 = Pr 𝑙𝑎𝑠 𝑣𝑒𝑛𝑡𝑎𝑠 𝑒𝑛 𝑢𝑛𝑎 𝑠𝑒𝑚𝑎𝑛𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟𝑎 𝑠𝑒𝑎𝑛 𝑀𝑒𝑑𝑖𝑎𝑠

= lim Pr 𝑋5 = 4 + lim Pr 𝑋5 = 5
5→M 5→M
5 5
𝐹 6,4 𝐹 6,5
= lim 𝑃O,2 + lim 𝑃O,W = +
5→M 5→M 𝐸 𝑇 4,4 𝐸 𝑇 5,5
Por otra parte, se tiene:
𝐹 6,4 = 0.4 ⋅ 𝐹 6,4 + 0.6 ⋅ 𝐹 7,4

𝐹 7,4 = 0.5 ⋅ 𝐹 2,4 + 0.3 + 0.2 ⋅ 𝐹 8,4
2

𝐹 2,4 = 0
𝐹 3,4 = 0
𝐹 8,4 = 0.4 ⋅ 𝐹 3,4 + 0.6 ⋅ 𝐹 6,4
De donde se obtienen
𝐹 6,4 = 0.341
𝐹 6,5 = 0.341
Además,
M M
Y
𝐸 𝑇 4,4 = 𝑘 ⋅ 𝐹Y (4,4) = 0.8 ⋅ 𝑘 + 2 ⋅ 0.2 = 2.25
Y\4 Y\4
𝐸 𝑇 5,5 = 0.2 + 2 ⋅ 0.8 ⋅ 1 = 1.8
Así,
𝐹 6,4 𝐹 6,5
Pr 𝑉𝑒𝑛𝑡𝑎𝑠 𝑀𝑒𝑑𝑖𝑎𝑠 = + = 0.341
𝐸 𝑇 4,4 𝐸 𝑇 5,5
Para las Ventas Altas, se tiene que:
Pr 𝑉𝑒𝑛𝑡𝑎𝑠 𝐴𝑙𝑡𝑎𝑠 = Pr 𝑙𝑎𝑠 𝑣𝑒𝑛𝑡𝑎𝑠 𝑒𝑛 𝑢𝑛𝑎 𝑠𝑒𝑚𝑎𝑛𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟𝑎 𝑠𝑒𝑎𝑛 𝐴𝑙𝑡𝑎𝑠

= lim Pr 𝑋5 = 6 + lim 𝑃𝑟 𝑋5 = 7 + lim Pr 𝑋5 = 8
5→M 5→M 5→M
=0
debido a que la clase 𝐶/ es transiente.
c) Se pide 𝐸 𝑇 2,2 .
La distribución de probabilidades para 𝑇 2,2 es:
1 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 0.6

𝑇 2,2 =
∞ 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 0.4
Así,
𝐸 𝑇 2,2 = 1 ⋅ 0.6 + ∞ ⋅ 0.4 = ∞
lo cual es coherente con el hecho que 2 es de un estado transiente.
Problema 10
Considere una cadena de Markov discreta con estados 1,2, ⋯ ,7 , y la siguiente matriz de probabilidades de
transición en una etapa:
0.8 0 0 0 0 0.2 0
0 0 0 0 1 0 0
0.1 0 0.9 0 0 0 0
𝑃= 0 0 0 0.5 0 0 0.5
0 0.3 0 0 0.7 0 0
0 0 1 0 0 0 0
0 0.5 0 0 0 0.5 0
3

a) Determine las clases de estados y clasifique los estados en transientes, recurrentes nulos o positivos,
y determine si son aperiódicos o periódicos (y el período).
b) ¿Existe distribución límite?
c) ¿Cuál es la probabilidad de que, si el sistema parte en el estado 7, llegue al estado 6 alguna vez?
¿Cuál es la probabilidad de que, si el sistema parte en el estado 7, llegue alguna vez al estado 5?
d) Suponga que el sistema parte en el estado 1. ¿cuánto tiempo (etapas) toma, en promedio, retornar al
estado 1 por primera vez?
e) Suponga que el sistema parte en el estado 2. Obtenga una expresión para el tiempo promedio que le
toma al sistema ingresar al estado 5 por primera vez.
f) ¿Tiene este sistema distribución estacionaria? Justifique.
g) Obtenga 𝐹(1,6) y 𝐹(6,3).
Solución:
a) Con la matriz de probabilidades de transición en una etapa, se puede graficar la cadena de Markov.
Figura 2. 2
Las clases de estados de esta cadena de Markov son:
𝐶- = 1,3,6 (recurrente positiva aperiódica)
𝐶/ = {7} (transiente aperiódica)
𝐶1 = 4 (transiente aperiódica)
𝐶2 = 2,5 (recurrente positiva aperiódica)
b) Existe distribución límite, puesto que todas las clases son aperiódicas.
c) Se pide 𝐹(7,6) y 𝐹 7,5
𝐹 7,6 = 0.5 + 0.5 ⋅ 𝐹(2,6)
Pero 𝐹 2,6 = 0, con lo que 𝐹 7,6 = 0.5.
Por otra parte,
𝐹 7,5 = 0.5 ⋅ 𝐹 2,5 + 0.5 ⋅ 𝐹(6,5)
4

Pero 𝐹 2,5 = 1 y 𝐹 6,5 = 0, con lo que 𝐹 7,5 = 0.5
d) Se pide 𝐸 𝑇 1,1 : se puede calcular directamente:

M
𝐸 𝑇 1,1 = 1 ⋅ 0.8 + 2 ⋅ 0 + 𝑘 ⋅ 0.2 ⋅ 1 ⋅ 0.1 ⋅ 0.9Ye1

Y\1
M
= 0.8 + 0.02 ⋅ 𝑘 ⋅ 0.9Ye1 = 3.2

Y\1
O bien, resolver el sistema de ecuaciones visto en clases:
Sea 𝑡f,g = 𝐸 𝑇 𝑖, 𝑗 . Entonces:
𝑡f,g = 1 + 𝑃f,Y ⋅ 𝑡Y,g

Yhg
Aplicando estas ecuaciones se obtiene:
𝑡-,- = 1 + 𝑃-,O ⋅ 𝑡O,- = 1 + 0.2 ⋅ 𝑡O,- (1)

𝑡O,- = 1 + 𝑃O,1 ⋅ 𝑡1,- = 1 + 1 ⋅ 𝑡1,- (2)
𝑡1,- = 1 + 𝑃1,1 ⋅ 𝑡1,- = 1 + 0.9 ⋅ 𝑡1,- (3)
Luego:
0.1 ⋅ 𝑡1,- = 1 ⇒ 𝑡1,- = 10

(2) ⇒ 𝑡O,- = 1 + 1 ⋅ 𝑡1,- = 11
(1) ⇒ 𝑡-,- = 1 + 0.2 ⋅ 𝑡O,- = 3.2
e) Se pide 𝐸 𝑇 2,5
Al estar en el estado 2, con probabilidad 1 el sistema pasa al estado 5 en la siguiente etapa. De este
modo, 𝑇 2,5 = 1 siempre. Por lo tanto, 𝐸 𝑇 2,5 = 1.
f) En esta cadena de Markov, hay 2 clases recurrentes positivas aperiódicas y como las clases
recurrentes son cerradas, la distribución límite depende del estado inicial (por ejemplo, es distinta si
𝑋4 = 3 o si 𝑋4 = 5). Por ende, no existe distribución estacionaria.
g) Se pide 𝐹 6,1 y 𝐹 6,3
𝐹 6,1 = 1 ⋅ 𝐹 3,1
Pero,
𝐹 3,1 = 0.1 + 0.9 ⋅ 𝐹 3,1 ⇒ 𝐹 3,1 = 1
Así,
𝐹 6,1 = 1
Por lo tanto, 𝐹 6,3 = 1 (pues 𝑃O,1 = 1 y 𝑃O,g = 0 para 𝑗 ≠ 3).
5

Problema 11
Un sistema productivo puede modelarse como una cadena de Markov discreta, con siete posibles estados:
𝐴, 𝐵, 𝐶, 𝐷, 𝐸, 𝐹, 𝐺, con la siguiente matriz de probabilidades de transición en una etapa:
2 1 0 0 0 0 0
3 3
1 1 0 0 0 0 0
2 2
1 0 1 1 1 1 0
3 6 6 6 6
𝑃= 1 1 1 1 1
6 6 6 0 4 4 0
0 0 0 0 0 3 1
4 4
0 0 0 0 1 0 0
0 0 0 0 1 0 0
a) Determine las clases de estados y clasifique los estados en transientes, recurrentes nulos o positivos,
y determine si son aperiódicos o periódicos (y el período).
b) Calcule la probabilidad de que el sistema evolucione, por primera vez, desde el estado 𝐶 al estado 𝐺
en 3 etapas (períodos).
c) ¿Cuál es la probabilidad de que el sistema, si se encuentra inicialmente en el estado 𝐶, evolucione

alguna vez al estado 𝐴?
Solución:
a) Como se aprecia en la figura, existen tres clases de estados:
Figura 2. 3
𝐶- = 𝐴, 𝐵 , recurrente positiva aperiódica.
𝐶/ = 𝐶, 𝐷 , transiente aperiódica.
𝐶1 = 𝐸, 𝐹, 𝐺 , recurrente positiva periódica, de período 2.
b) Se pide 𝐹1 (𝐶, 𝐺)
6

Sabemos que 𝐹1 𝐶, 𝐺 = nho 𝑃mn ⋅ 𝐹/ 𝑚, 𝐺 ; es decir,
𝐹1 𝐶, 𝐺 = 𝑃mp ⋅ 𝐹/ 𝐴, 𝐺 + 𝑃mq ⋅ 𝐹/ 𝐵, 𝐺 + 𝑃mm ⋅ 𝐹/ 𝐶, 𝐺 + 𝑃mr ⋅ 𝐹/ 𝐷, 𝐺 + 𝑃ms ⋅ 𝐹/ 𝐸, 𝐺

+ 𝑃mt ⋅ 𝐹/ (𝐹, 𝐺)
= 𝑃mm ⋅ 𝑃ms ⋅ 𝑃so + 𝑃mr ⋅ 𝑃rs ⋅ 𝑃so + 𝑃mt ⋅ 𝑃ts ⋅ 𝑃so
1 1 1 1 1 1 1 1
= ⋅ ⋅ + ⋅ ⋅ + ⋅1⋅
6 6 4 6 4 4 6 4
17
=
288
-u
Por lo tanto 𝐹1 𝐶, 𝐺 = .
/vv
c) Se pide 𝐹 𝐶, 𝐴 = 𝑃mp + whp 𝑃mw ⋅ 𝐹 𝑟, 𝐴
Se tiene que:
𝐹 𝐶, 𝐴 = 𝑃pm + 𝑃mq ⋅ 𝐹 𝐵, 𝐴 + 𝑃mm ⋅ 𝐹 𝐶, 𝐴 + 𝑃mr ⋅ 𝐹 𝐷, 𝐴 + 𝑃ms ⋅ 𝐹 𝐸, 𝐴 + 𝑃mt ⋅ 𝐹 𝐹, 𝐴

+ 𝑃mo ⋅ 𝐹 𝐺, 𝐴
1 1 1
= + ⋅ 𝐹 𝐶, 𝐴 + ⋅ 𝐹 𝐷, 𝐴 (∗)
3 6 6
Por otra parte,
𝐹 𝐷, 𝐴 = 𝑃rp + 𝑃rq ⋅ 𝐹 𝐵, 𝐴 + 𝑃rm ⋅ 𝐹 𝐶, 𝐴 + 𝑃rr ⋅ 𝐹 𝐷, 𝐴 + 𝑃rs ⋅ 𝐹 𝐸, 𝐴 + 𝑃rt ⋅ 𝐹 𝐹, 𝐴

+ 𝑃ro ⋅ 𝐹(𝐺, 𝐴)
1 1 1
= + + ⋅ 𝐹 𝐶, 𝐴 (∗∗)
6 6 6
Resolviendo el sistema formado por las ecuaciones ∗ y (∗∗), se tiene que,
14
𝐹 𝐶, 𝐴 =
29
12
𝐹 𝐷, 𝐴 =
29
7

Powered by TCPDF (www.tcpdf.org)

Capitulo 2 Cadena de Markov Discreta 9 Al... 1 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capitulo 2 Cadena de Markov Discreta 9 Al... 1 PDF

Cargado por

Copyright:

Formatos disponibles

Capítulo

Cadenas del Markov Discreta (Probls.

Las clases desde estados de esta cadena de Markov son:

𝐶/ = 6,7,8 (transiente aperiódica);

𝐶2 = 3 (recurrente positiva aperiódica);

Sea 𝑋5 = ventas en el período 𝑛 (con 𝑋4 = 6).

Pr 𝑉𝑒𝑛𝑡𝑎𝑠 𝐵𝑎𝑗𝑎𝑠 = Pr 𝑙𝑎𝑠 𝑣𝑒𝑛𝑡𝑎𝑠 𝑒𝑛 𝑢𝑛𝑎 𝑠𝑒𝑚𝑎𝑛𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟𝑎 𝑠𝑒𝑎𝑛 𝐵𝑎𝑗𝑎𝑠

Como el estado 2 es transiente, en el largo plazo, Pr 𝑋5 = 2 = 0.

Por otra parte se tiene que,

𝐹 6,3 = 0.4 ⋅ 𝐹 6,3 + 0.6 ⋅ 𝐹 7,3

Resolviendo el sistema se tiene que:

Pr 𝑉𝑒𝑛𝑡𝑎𝑠 𝐵𝑎𝑗𝑎𝑠 = 0.6591

Para las ventas medias se tiene que:

Pr 𝑉𝑒𝑛𝑡𝑎𝑠 𝑀𝑒𝑑𝑖𝑎𝑠 = Pr 𝑙𝑎𝑠 𝑣𝑒𝑛𝑡𝑎𝑠 𝑒𝑛 𝑢𝑛𝑎 𝑠𝑒𝑚𝑎𝑛𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟𝑎 𝑠𝑒𝑎𝑛 𝑀𝑒𝑑𝑖𝑎𝑠

Por otra parte, se tiene:

𝐹 6,4 = 0.4 ⋅ 𝐹 6,4 + 0.6 ⋅ 𝐹 7,4

Para las Ventas Altas, se tiene que:

Pr 𝑉𝑒𝑛𝑡𝑎𝑠 𝐴𝑙𝑡𝑎𝑠 = Pr 𝑙𝑎𝑠 𝑣𝑒𝑛𝑡𝑎𝑠 𝑒𝑛 𝑢𝑛𝑎 𝑠𝑒𝑚𝑎𝑛𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟𝑎 𝑠𝑒𝑎𝑛 𝐴𝑙𝑡𝑎𝑠

debido a que la clase 𝐶/ es transiente.

La distribución de probabilidades para 𝑇 2,2 es:

1 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 0.6

𝐸 𝑇 2,2 = 1 ⋅ 0.6 + ∞ ⋅ 0.4 = ∞

lo cual es coherente con el hecho que 2 es de un estado transiente.

b) ¿Existe distribución límite?

f) ¿Tiene este sistema distribución estacionaria? Justifique.

g) Obtenga 𝐹(1,6) y 𝐹(6,3).

Las clases de estados de esta cadena de Markov son:

𝐶- = 1,3,6 (recurrente positiva aperiódica)

𝐶/ = {7} (transiente aperiódica)

𝐶2 = 2,5 (recurrente positiva aperiódica)

c) Se pide 𝐹(7,6) y 𝐹 7,5

𝐹 7,6 = 0.5 + 0.5 ⋅ 𝐹(2,6)

Pero 𝐹 2,6 = 0, con lo que 𝐹 7,6 = 0.5.

Por otra parte,

𝐹 7,5 = 0.5 ⋅ 𝐹 2,5 + 0.5 ⋅ 𝐹(6,5)

d) Se pide 𝐸 𝑇 1,1 : se puede calcular directamente:

𝐸 𝑇 1,1 = 1 ⋅ 0.8 + 2 ⋅ 0 + 𝑘 ⋅ 0.2 ⋅ 1 ⋅ 0.1 ⋅ 0.9Ye1

= 0.8 + 0.02 ⋅ 𝑘 ⋅ 0.9Ye1 = 3.2

O bien, resolver el sistema de ecuaciones visto en clases:

Sea 𝑡f,g = 𝐸 𝑇 𝑖, 𝑗 . Entonces:

𝑡f,g = 1 + 𝑃f,Y ⋅ 𝑡Y,g

Aplicando estas ecuaciones se obtiene:

𝑡-,- = 1 + 𝑃-,O ⋅ 𝑡O,- = 1 + 0.2 ⋅ 𝑡O,- (1)

0.1 ⋅ 𝑡1,- = 1 ⇒ 𝑡1,- = 10

g) Se pide 𝐹 6,1 y 𝐹 6,3

𝐹 3,1 = 0.1 + 0.9 ⋅ 𝐹 3,1 ⇒ 𝐹 3,1 = 1

Por lo tanto, 𝐹 6,3 = 1 (pues 𝑃O,1 = 1 y 𝑃O,g = 0 para 𝑗 ≠ 3).

c) ¿Cuál es la probabilidad de que el sistema, si se encuentra inicialmente en el estado 𝐶, evolucione

𝐶- = 𝐴, 𝐵 , recurrente positiva aperiódica.

𝐶1 = 𝐸, 𝐹, 𝐺 , recurrente positiva periódica, de período 2.

𝐹1 𝐶, 𝐺 = 𝑃mp ⋅ 𝐹/ 𝐴, 𝐺 + 𝑃mq ⋅ 𝐹/ 𝐵, 𝐺 + 𝑃mm ⋅ 𝐹/ 𝐶, 𝐺 + 𝑃mr ⋅ 𝐹/ 𝐷, 𝐺 + 𝑃ms ⋅ 𝐹/ 𝐸, 𝐺

c) Se pide 𝐹 𝐶, 𝐴 = 𝑃mp + whp 𝑃mw ⋅ 𝐹 𝑟, 𝐴

𝐹 𝐶, 𝐴 = 𝑃pm + 𝑃mq ⋅ 𝐹 𝐵, 𝐴 + 𝑃mm ⋅ 𝐹 𝐶, 𝐴 + 𝑃mr ⋅ 𝐹 𝐷, 𝐴 + 𝑃ms ⋅ 𝐹 𝐸, 𝐴 + 𝑃mt ⋅ 𝐹 𝐹, 𝐴

𝐹 𝐷, 𝐴 = 𝑃rp + 𝑃rq ⋅ 𝐹 𝐵, 𝐴 + 𝑃rm ⋅ 𝐹 𝐶, 𝐴 + 𝑃rr ⋅ 𝐹 𝐷, 𝐴 + 𝑃rs ⋅ 𝐹 𝐸, 𝐴 + 𝑃rt ⋅ 𝐹 𝐹, 𝐴

También podría gustarte