Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pensemos que en la fila nunca hay más de tres personas (incluyendo la que se
atiende)
1
Disminuir en 1, si se termina de atender al cliente y nadie más llega
2
Como estos valores representan todos los posibles resultados, deben
sumar 1
Lo mismo ocurre con los otros renglones
A una matriz que cumple con esta condición se le llama matriz estocástica
(probabilística)
3
Si las probabilidades de transición son constantes con respecto al tiempo,
entonces se dice que la cadena de Markov es homogénea o estacionaria
Matriz de transición o matriz estocástica
Es la matriz que resume las probabilidades de transición
Si la matriz da las probabilidades de pasar:
Del estado i en el tiempo n al estado j en el tiempo n+1, entonces se le
llama “de un paso”
Del estado i en el tiempo n al estado j en el tiempo n+2, se le llama “de
dos pasos”, etc
Si P es la matriz de un paso de una cadena de Markov, entonces P2 es la matriz
de dos pasos; P3 la de tres pasos, etc
La distribución inicial de una cadena de Markov son las probabilidades de que
inicie en cada estado
En nuestro ejemplo, siempre se empieza sin clientes, así que siempre tenemos
X0 = 0, lo cual es equivalente a decir que P(X0 = 0) = 1
En general podríamos tener una probabilidad de empezar con 0 clientes, una
probabilidad de empezar con 1 cliente, etc
4
El diagrama del ejemplo del banco quedaría de la siguiente forma:
5
2.2.3 Probabilidades de transición del estado i al estado j
Ejemplo 1
Dada la matriz de transición del cajero bancario, calcule
Solución
Hay que observar que
Ejemplo 2
Dada la matriz de transición del cajero bancario, calcule
Solución
Hay que observar que
Luego
Ejemplo 2a
Dada la matriz de transición del cajero del banco, calcule
Solución
6
Ejemplo 3
Considere el problema de enviar un mensaje binario a través de un canal de
señal que consta de tres etapas
La transmisión en cada etapa está sujeta a una probabilidad de error fija de 0.01
Suponga que se envía X0 = 0 y que Xn es la señal que se recibe en la n-ésima
etapa. Asuma que Xn es una cadena de Markov
Obtenga:
La matriz de transición de Xn
La probabilidad de que el mensaje llegue sin errores hasta la segunda
etapa: P(X0 = 0, X1 = 0, X2 = 0)
Sugerencia: Sea P la matriz de transición de Xn. Calcule P2
Señal recibida en la etapa n+1
P 0 1
0 0.99 0.01
Señal
recibida en
la etapa n 1 0.01 0.99
7
Al no haber acceso al estado i desde j, existe una probabilidad positiva
(incluso igual a 1) de que el proceso se mueva al estado j y nunca regrese
al estado i
Estado recurrente
Es un estado tal que una vez que el proceso ha estado en él, existe la
seguridad de que volverá
Un estado es recurrente si y sólo si no es transitorio
Estado absorbente
Es un estado tal que después de haber entrado allí, el sistema ya nunca
saldrá
Para que un estado i sea absorbente se requiere que pii = 1
Estado transitorio
En la siguiente matriz de transición, el estado 2 es transitorio, ya que de él es
posible pasar directamente al estado 0, pero no de regreso
Por tanto existe la posibilidad de que el sistema pase del estado 2 al 0 y no
regrese nuevamente
Estado transitorio
Estado recurrente
En la siguiente matriz de transición, todos los estados, excepto el 2, son
recurrentes
Esto es porque desde los estados 0,1 y 3 se puede acceder a cualquiera otro estado, y a
su vez, los estados 0,1 y 3 son accesibles desde cualquier otro estado
8
Los estados 0 y 2 son absorbentes. Notamos que una vez que el sistema llega a alguno
de ellos, no vuelve a salir
Estado absorbente
En la siguiente matriz de transición, el estado 0 y el estado 2 son absorbentes, ya
que una vez entrando en alguno de ellos, el sistema no vuelve a salir
Esto ocurre porque la probabilidad de pasar al estado 0 dado que se encuentra en
el estado 0 es igual a 1
Análogamente ocurre para el estado 2
Estado n+1
0 1 2 3
0 1 0 0 0
1 0.1 0.5 0.25 0.15
Estado n
2 0 0 1 0
3 0.2 0.1 0.4 0.3
9
Los estados 0 y 2 son absorbentes. Notamos que una vez que el sistema llega a alguno
de ellos, no vuelve a salir.
Los siguientes datos muestran los valores de transición para un sistema típico
de cuentas por cobrar de tarjeta de crédito.
Los siguientes datos muestran los valores de transición para un sistema típico
de venta de lotes en abonos.
Procesos Poisson
10
Solicitudes de archivos a un servidor de red
Ocurrencia de accidentes en un crucero en particular
Defectos en un producto manufacturado
Comenzamos definiendo “un contador” que cuenta el número de ocurrencias de
un fenómeno a partir de un punto de referencia y definimos
X(t) = Número de ocurrencias en el intervalo (0,t]
El contador X(t) se incrementa en una unidad cada vez que hay una ocurrencia
En un proceso Poisson, el número de ocurrencias hasta el tiempo t sigue una
distribución Poisson con media lt:
Ejemplo
Los defectos en cierto tipo de cable siguen la distribución Poisson con tasa 1.5
por metro. Encuentre la probabilidad de que haya no más de 4 defectos en una
pieza de 2 metros de cable
Ejemplo
Una central telefónica recibe llamadas con una intensidad de 3 llamadas por
minuto
Calcule la probabilidad de que se reciban 3 llamadas en un periodo de 40
segundos
• Ejemplo
– Consideremos una cadena con estados 0, 1, 2
– Supongamos que, P(X0 = 0) = 0.5625, P(X1 = 1) = 0.3750 y P(X2 = 2) =
0.0625
11
– Entonces el vector p = (0.5625,0.3750,0.0625) proporciona la
distribución de probabilidad para el estado inicial de la cadena
• Un caso particular es que inicialmente siempre ocurra que X0 = i, donde i es uno
de los estados de la cadena
– Por ejemplo, si se trata de una línea de espera, al inicio está vacía
– Suponiendo que hubiera también tres estados: 0, 1 y 2, en este caso
tendríamos p = (1,0,0)
• Cuando el estado inicial siempre es el mismo, no se acostumbra dar la
distribución inicial, sino simplemente decir que el estado inicial es X0 = 0 (en
este caso)
que cumple
p j > 0, j = 0,1,..., N
N
åp
j =0
j =1
Ejemplo
La siguiente matriz es regular:
12
• De lo anterior, notamos que para P7, las entradas por renglones coinciden a dos
decimales
• Las probabilidades límite son 0.5282 y 0.4718
• Estas ecuaciones proporcionan un sistema que tiene solución, pero tiene una
ecuación redundante
• Para obtener la solución, arbitrariamente se desecha una de las ecuaciones de la
primera parte (la que establece la relación entre las pj y las Pkj) y se resuelve el
sistema resultante
Ejercicio
Determine la distribución de probabilidad límite para la matriz de transición del
ejercicio anterior
P2=(1-P1)
P1=0.5281
P2= 4718
Interpretación de la distribución límite
• La distribución límite de una cadena de Markov tiene dos interpretaciones:
• La primera interpretación se refiere, precisamente, a que se trata de la
distribución límite
13
• Cuando el proceso ha estado en operación por un tiempo largo, la probabilidad
de encontrar al proceso en el estado j es pj, sin importar en qué estado se haya
comenzado
• La segunda interpretación dice que pj proporciona la fracción de tiempo que, en
el largo plazo, el sistema pasará en el estado j
2.2.9 Costos
Ejemplo
Suponga además que la tienda incurre en un costo por almacenaje de acuerdo con la
siguiente relación:
14
Obtenga la distribución límite de la cadena de Markov y calcule el costo esperado por
almacenaje
• Resolviendo el sistema, tenemos que la distribución límite es p = (0.286, 0.285,
0.263, 0.166)
• El costo esperado por almacenaje es:
15
Seleccionar el número de estados de la matriz a resolver:
16
Capturar las probabilidades de la matriz inicial
Determine la distribución límite de una cadena de Markov X0, X1, X2, … que asume los
estados 0, 1 y 2 y tiene la matriz de probabilidades de transición
17
Suponga que las clases sociales de generaciones sucesivas en una familia siguen una
cadena de Markov con la matriz de probabilidades de transición que se da más abajo. En
el largo plazo, ¿qué fracción de las familias estará en la clase alta?
Cada día, sin importar en qué pueblo se encuentre, en conductor de un tren elige una de
las líneas que salen del pueblo y la recorre hasta el pueblo siguiente, donde el proceso se
repite al día siguiente
A la larga, ¿cuál es la probabilidad de encontrar al tren en el pueblo D?
A B C D
A 0 0.6 0 0.4
B 0.6 0 0.2 0.2
C 0 1 0 0
D 0.4 0.6 0 0
18
• Sea Di la demanda de cámaras de tipo K que tiene la tienda durante la semana i,
i = 1,2,…
• Se supone que las Di son variables aleatorias independientes e idénticamente
distribuidas que siguen la distribución Poisson con media l = 1
• Sea Xt el número de cámaras con que la tienda cuenta al final de la semana t,
para t = 0,1,… y supongamos que X0 = 3, de modo que al principio se cuenta
con 3 cámaras en inventario
• Entonces {Xt} = {X0, X1, X2,…} es un proceso estocástico que representa el
número de cámaras con que se cuenta al final de la semana t
• El dueño de la tienda sigue la política de pedidos que se describe a continuación:
• Al final de cada semana t, se revisa el inventario y:
• Si Xt = 0, entonces se hace un pedido por tres cámaras
• Si Xt > 0, entonces no se hace pedido alguno
Suponga además que la tienda incurre en un costo por almacenaje de acuerdo con la
siguiente relación:
19
20
21
22
23
Ejercicio:
Caso de estudio:
I
SEMESTRE I II III IV V VI VII VIII X
1
4
REPITEN* 24 24 28 28 28 56 56 80 0
2
33 36 33 30 6
AVANZAN* 312 6 364 4 364 2 344 8 0
ABANDONAN** 64 40 8 8 8 12 0 12 0
4
40 40 40 40 0
TOTAL 400 0 400 0 400 0 400 0 0
24
A) Elabore una matriz de probabilidades de transición
B) Calcule la matriz de probabilidades de transición para 1998-2
C) Calcule el estado estable
D) Elabore el diagrama de Markov
25