Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PDF Cadenas Markov - Compress
PDF Cadenas Markov - Compress
Procesos Estocásticos
1.1. Definición
Un proceso
proceso estocástico
estocástico {Xt, t T} es una colección
colección de variables
variables aleator
aleatorias.
ias. Esto
es, para
para cada t T, Xt es u
una
na variable
variable aleato
aleatoria.
ria.
2. Cadenas de Markov
Considere el proceso estocástico de parámetro discreto {Xn, n = 0, 1,2,...,}
que toma un número finito o infinito de valores. Supondremos que E = (0,
( 0,
1,2,...,M) ó E = (0, 1,2,...)
Suponga que el estado del tiempo en un día cualquiera depende únicamente del
estado del tiempo del día anterior. Mas específicamente, suponga que si llueve
hoy, la probabilidad
probabilidad de que llueva mañana
mañana es (=0.7), y si no
no llovió hoy la
probabilidad
una cadena dedeMarkov.
que llueva mañana es (=0.4). Represente este proceso como
Solución. Si denotamos por Xn el estado del tiempo el día n, por las
suposiciones dadas se concluye claramente que el proceso Xn es una cadena de
Markov, con el siguiente espacio de estados:
E = (Lluvia, no lluvia) = (0, 1)
La matriz de transición correspondiente será:
Cálculo de p00. Para calcular p00 debe tenerse en cuenta que si el inventario es
cero al final de una semana, se piden tres unidades que llegan al principio de la
semana siguiente, y para poder terminar de nuevo la semana en cero, se
requiere que la demanda durante esa semana sea de por lo menos tres
unidades
P00=P(Xn=0/X
P00=P(Xn=0/Xn-1=0)=
n-1=0)= P(D 3) = .126+.047+.018
.126+.047+.018 =.19
=.191
1
Cálculo de p01, p02 y p03. Para calcular p0j (j = 1, 2, 3) debe tenerse en
cuenta que si el inventario es cero al final de una semana, se piden tres
unidades que llegan al principio de la semana siguiente, y para poder terminar
la semana con inventarios de 1, 2 o 3 unidades, se s e requiere que las demandas
respectivas durante la semana sean de 2, 1 y 0 unidades
P01 = P(Xn=1/Xn-1=0)= P(D=2) = 0.251
P02 = P(Xn=2/Xn-1=0) = P(D=1) = 0.335
P03 = P(Xn=3/Xn-1=0) = P(D=0) = 0.223
Se tiene que =
Cálculo de
Para pasar del estado i al estado j en dos transiciones se debe pasar por un
estado intermedio k en la primera transición y luego ir del estado
es tado k al estado j
en la segunda transición. Este estado k puede ser cualquiera
c ualquiera de los estados del
proceso, incluyendo los estados i y j. La figura siguiente ilustra el proceso
Ejemplo 2.7 Estado del tiempo. ¿Cuál es la probabilidad de que llueva dentro
de 4 días si está lloviendo hoy?.
Solución. Para responder esta pregunta debemos calcular las probabilidades de
transición en cuatro paso
dond
dondee es el vect
vector
or de es
esta
tado
do o pr
prob
obab
abililid
idad
ad in
inic
icia
iall { = P(X0
P(X0=j
=j)}
)} y
={ , , ,..., }
= P
Accesibilidad. El estado
estado j es accesi
accesible
ble desde
desde el estado
estado i (i j) si >0. Est
Esto
o
implica que j es accesible desde i si y solo si, empezando en i es posible que el
proceso entre al estado j. Esto es verdadero dado que si j no es accesible desde
i, entonces
Comunicabilidad. Si el estado j es accesible desde el estado i, y el estado i es
accesible
(i j). desde el estado j, entonces se dice que los estados i y j se comunican
y
Ejemplo 2.15 Problema de inventarios. Se tiene: E = (0, 1, 2, 3).
C0 = (0, 1, 2, 3) = C1 = C2 = C3 = E
Proceso irreducible. Una cadena de Markov es irreducible si sólo contiene una
clase, es decir, si todos los estados se comunican. Por ejemplo el sistema de
inventarios.
Estados recurrentes y transitorios
Sea fii= Probabilidad de que el proceso regrese al estado i dado que empieza o
se encuentra en dicho estado i
Estado recurrente. El estado i es recurrente si fii=1, es decir, hay certeza de
regresar a dicho estado.
La
en cantidad
el estado i dado X0=irepresenta el número de períodos que el proceso está
Su esperanza está dada por:
El estado i es recurrente si
El estado i es recurrente si
La recurrencia es una propiedad de clase, es decir, todos los estados que
pertenezcan a una misma clase son todos recurrentes o todos transitorios. De
nuevo, considere el problema del jugador. Claramente el estado 1 es
transitorio, ya que si del estado 1 se pasa al estado 0, nunca se regresa al
estado 1. Además, los estados 1, 2,..., M-1 se comunican entre sí. Por lo tanto,
estos estados son también transitorios. El mismo argumento empleado para el
estado 1 se puede usar para el estado M-1.
No todos los estados de una cadena de Markov pueden ser transitorios.
Considere un proceso de Markov con la siguiente
s iguiente matriz de transición.
Clasifique sus estados.
estado 1, sólo se puede pasar a él, en los tiempos 2, 4, 6, etc. Igual sucedería
con los estados, 2, 3,.., M-1. (Esto se puede verificar calculando o
analizando el diagrama de transición).
La periodicidad es propiedad de clase, es decir, si el estado i es periódico con
período t, y el estado i se
s e comunica con el estado k, entonces el estado k
también tiene período t.
Estado aperiódico. El estado i es aperiódico si existen dos enteros s y s+1
tales que el proceso pueda encontrarse en el estado i en los tiempos s y s+1.
Se dice que el estado tiene período 1. Por ejemplo, en el sistema de inventarios
analizado previamente todos los estados se comunican, y son aperiódicos.
Recuerde que para pasar de un estado a otro, la transición se puede dar en
varios pasos, no necesariamente en uno sólo.
Estado ergódico. Se dice que un estado es ergódico si dicho estado es
recurrente y aperiódico
Ergodicidad. Un proceso estocástico es ergódico si es irreducible y aperiódico
Problema. Considere los cadenas de Markov descritos por las matrices de
transición. Clasifique sus estados.
Para n = 2,
2, representa todas las formas en que se pu puede
ede pasar de i a j en
dos pasos, lo cual incluye pasar en un paso y quedarse en j el paso o transición
siguiente; por lo tanto estas probabilidades deben restarse de la probabilidad
de transición en dos pasos
Los son difíciles de calcular. Sin embargo, los ?ij se pueden calcular más
fácilmente usando el siguiente conjunto de ecuaciones:
Cálculo de ij .Si los estados i y j son recurrentes, los tiempos de primera
pasada se pueden calcular usando el conjunto de ecuaciones dado por:
(4) en
(4)y (2):
(5) 20 =30
en (1):
en (1=(1
+ 0.335
0.335
0.2x511.287)/(1-.223)
+ 0.251 x 1.287)/(1 = 3)
1.842
1.287)/(1 - .223)
.22 (5)
= 2.497
00 = 1 + .251 x 1.287 + .335 x 1.842 + .223 x 2.497 = 2.497
¿Cómo se interpreta 00=2.497? Tiempo entre pedidos
2.6. Probabilidades de largo plazo de las Cadenas de Markov
(Probabilidades de estado estable)
Al examinar las probabilidades de transición en n pasos , se observa que a
medida que n aumenta,
aumenta, estas probabilidades tienden hacia una constante ,
independiente del valor inicial de i es decir, puede existir una probabilidad
límite, independiente de su estado inicial. Esta probabilidad límite está dada por
Como
Se observa que existen M+2 ecuaciones y M+1 variables, lo cual quiere decir
que hay una redundante, la cual no puede ser la última (¿por qué?).
2.6.2. Condiciones para la existencia de las probabilidades límites
a) Si el proceso es irreducible, existen las probabilidades limites
b) Si el proceso es ergódico, esas probabilidades son independientes del estado
inicial
2.6.3. Tiempos medios de recurrencia
Se puede demostrar que los tiempos medios de recurrencia se pueden
expresar en términos de las probabilidades límites como
= 1/
Ejemplo 2.19 Cálculo de probabilidades límites
,
Tenemos que =1 si n es par, = 0 si n es impar. Por lo tanto el límite
anterior no existe.
Sin embargo, el siguiente límite siempre existe para cadenas de Markov
irreducibles y periódicos:
Usando el resultado
Ejemplo 2.21 Suponga que existe un costo de $2 por cada unidad que hay en
inventario al final de la semana t. Cuál sería el costo esperado por semana de
mantenimiento del inventario?
Se tiene que C(0)=0, C(1)=2, C(2)=4, C(3)=6
El costo esperado por semana está dado por:
Costo esperado = = 0.4005x0+0.2623x2+0.2222x4+0.1149
0.4005x0+0.2623x2+0.2222x4+0.1149x6=
x6= 2.1028
Funciones de costos más complejas
Suponga que deben tenerse en cuenta los costos de ordenar y de penalización
por faltantesdepende
insatisfecha (demanda
de insatisfecha
la demanda durante la semana).
y del estado El costo
del proceso. por demanda
El costo del
período es una función de Xt, Xt-1 y D. El costo promedio esperado a la larga
está dado por:
donde
• R es una matriz de transición (mxs) que representa las transiciones de los m
estados transitorios a los s estados
es tados absorbentes
• Q es una submatriz de transición entre estados transitorios (m x m)
• I es una matriz identidad (s x s).
• Se excluyen de a matriz las transiciones entre estados recurrentes, si los hay
(ya que estos estados nunca serán absorbidos por los estados absorbentes).
2) Se calcula la matriz fundamental N como:
N = (I’ - Q)-1, donde Ì´ es otra matriz identidad de m x m
3) Se calcula la matriz que contiene las probabilidades de absorción PA = N x R
Ejemplo 2.25 Probabilidad de absorción.
Considere un almacén. Al final de cada mes se clasifican las cuentas por cobrar
en cuatro categorías: i) cuentas saldadas, ii) cuentas insolutas,
inso lutas, las que no
adeudan abonos del mes anterior, iii) cuentas vencidas, las que llevan entre
uno y tres meses de atraso, y finalmente, iv) cuentas de dudoso o difícil cobro,
las que llevan mas de tres meses de atraso en sus abonos.
De los registros contables se extrajo la siguiente información: El 60% de las
cuentas insolutas se pagan al siguiente mes, el 30% permanece en estaes ta
categoría y el 10% pasan a cuentas vencidas; el 40% de las cuentas vencidas
se convierten en insolutas, el 30% se pagan, el 20% permanece como cuentas
vencidas y el 10% pasan a deudas de dudoso cobro, consideradas como
cuentas perdidas.
a) Plantear este proceso como una cadena de Markov.
b) ¿De $ 50 millones que tiene el almacén este mes en cuentas insolutas y $ 10
millones en cuentas vencidas, cuánto dinero recuperará el almacén al mes
siguiente y cuánto considera como perdido?
Solución
Definición de estados. Los estados se
s e pueden definir de la siguiente manera:
:
• 0 = Cuentas saldadas
•12 = Cuentas insolutas
vencidas
• 3 = Cuentas malas
La siguiente es la matriz de transición resultante
Procedimiento:
1) Se intercambian filas 2 y 4 y luego las columnas 2 y 4.
El espacio de estados queda como E´=(0,3,2,1) y la matriz resultante es la
siguiente:
Es decir, de los $50 millones que tiene el almacén en cuentas insolutas y de los
$10 millones en cuentas vencidas, se recuperarán $57.694 millones y se
perderán $2.306 millones. el almacén, y la cantidad que se considerará como
perdido.
Resuelva este problema usando el sistema de ecuaciones visto antes
2.8.4. El problema del jugador. Otra visión.
Considere de nuevo el problema del jugador: Un jugador A apuesta contra otro
jugador B. En cada jugada A puede ganar un peso con probabilidad p, o puede
perderlo con probabilidad q = 1-p. Sea i el capital inicial del jugador A, y sea M
el capital de ambos jugadores. Estamos interesados en calcular la probabilidad
de que el jugador A sea arruinado si empieza jugando con i pesos.
Si denotamos por Xn el capital del jugador A después de n jugadas, vimos que
Xn es una cadena de Markov, con las siguientes probabilidades de transición.
(1)
Para i = 2
(2)
Para i = 3
(3)
La expresión general sería:
(i)
2.9. Problemas
1. Sea { Xn } una cadena de Markov con espacio de estados (0, 1, 2), vector
de probabilidades iniciales = (1/4, 1/2, 1/4) y matriz de transición P dada
por :
4. El propietario de una barbería local que solamente posee una silla para
prestarle el servicio a sus clientes piensa agrandar su negocio pues le parece
que siempre hay mucha gente esperando ser atendidos. Las observaciones
indican que en el tiempo requerido para motilar una persona pueden llegar 0,
1, 2, o 3 personas con probabilidades de 0.3, 0.4, 0.2 y 0.1, respectivamente.
La barbería
sienta el quetiene
estáuna capacidad
siendo fijaSea
atendido. de 6Xnasientos, incluyendo
el número aquelenenlaque se
de personas
barbería cuando se completa el servicio al n-ésimo cliente.
reloj, etapa
cada a través de cinco tiene
la partícula puntosuna
marcados con losdenúmeros
probabilidad dar un 0, 1, en
un paso 2, el
3 ysentido
4. En de
las manecillas del reloj y 1 - de moverse en en sentido contrario. Sea Xn la
posición de la partícula en el círculo después de dar n pasos.
14. Considere
fotográficos el siguiente
almacena problema
un tipo de inventarios:
particular Un puede
de cámara que almacén de artículos
ordenarse
semanalmente. Sea D1 , D2 , ... la demanda de este tipo de cámara durante la
primera, segunda semana,...,Se asume que las Di son variables aleatorias
independientes e idénticamente distribuidas con función de probabilidad
conocida. Sea Xn el número de cámaras disponibles (en ( en inventario) al final de
la n-ésima semana. El almacén tiene inicialmente tres cámaras. Los sábados en
la tarde el almacén coloca una orden que es entregada al lunes siguiente,
s iguiente, antes
de que el almacén abra sus puertas al público. El almacén usa la siguiente
política de reabastecimiento (s, S): Si el número de cámaras en inventario al
final de la semana es menor que s = 1 (no hay inventario), el almacén ordena
S = 3 cámaras. En caso contrario, el almacén no hace ningún pedido. Se
supone que las ventas se pierden cuando la demanda excede al inventario. Si la
demanda semanal
artículos por sigue una distribución de Poisson con una media de 1.5
semana,
Sean los estados del proceso 0, 1, 2 que representan una estación vacía, una
estación con una parte en proceso y una estación
es tación con una parte almacenada, El
proceso se observa justo antes de la llegada de la banda transportada con la
parte.
con 0 < p < 1 y 0 < q < 1. Calcule y las probabilidades limites por medio de:
a)
b) El porcentaje del tiempo que el proceso permanece en el estado 2.
si la cadena está representada por la matriz
36. Una máquina funciona durante un determinado período de tiempo con una
probabilidad de falla de 0.3. El 60% de las veces la falla puede repararse
exactamente en el período, y en los demás casos se requieren exactamente dos
periodos para la reparación. Se puede suponer que las fallas se presentan al
final de un período. El costo por tiempo perdido es de $50.00 por período.
a) Formular esta situación como una cadena de Markov, describir los estados y
las suposiciones, y desarrollar una matriz de transición.
b) Es posible contratar un ayudante adicional, con un costo de $20 por período
de tiempo, con el objeto de que la falla siempre sea reparada dentro del mismo
período. Es conveniente hacer esto?
37. En un determinado proceso de producción, cada artículo pasa por dos
etapas de fabricación. El final de cada etapa, los artículos se desechan
(probabilidad de 0.2)(probabilidad
a la etapa siguiente se regresan para rehacerlos (probabilidad de 0.3) o pasan
de 0.5).
41. Una compañía distribuidora de artículos para oficina vende además de otros
artículos, dos tipos de calculadora A y B, las cuales han de importarse.
Todo pedido grande que reciba la distribuidora ha de ser pasado a la matriz en
el extranjero, demorándose dos meses en la recepción
recepc ión del mismo si la
calculadora es de tipo A y solo un mes si la calculadora es de tipo B. Para hacer
un nuevo pedido es necesario que se haya recibido el anterior, por lo cual, si se
hace un pedido de calculadora A, habrá que esperar dos meses para hacer un
nuevo pedido, ya sea de A o de B.
Los clientes de la distribuidora no aceptan que sus pedidos se
s e encuentren en
línea de espera, optando en este caso por comprar otro tipo de calculadora a
otra compañía diferente, temiéndose entonces que si se presentan
simultáneamente pedidos de A y B habrá que elegir uno y rechazar otro.
Si la probabilidad de que se presente un pedido de A es 1/6 y la de un pedido
de B es de 1/4, qué pedido se debe elegir en caso de ser simultáneos?.
s imultáneos?.
Considérese que un pedido de la A arroja una utilidad de $50.000, mientras la
utilidad para un pedido de B es de $30.000.
42. Mediante el calculo de encuentre el vector de probabilidades limites en la
cadena definida por la matriz:
marcas de detergentes:
consumidores, los cualesAxión, Ajax,
cambian de Inextra, Fab. Se
marca según han encuestado
la publicidad, 1000
promoción,
precios o siguen fieles a la misma.
Los resultados obtenidos se observan en la siguiente tabla:
donde = Pr(X0
Pr(X0 = 1) y = Pr(X0= 1) = 1 -
57. Una recepcionista puede encontrarse en uno de dos estados : Ociosa,
limpiándose las uñas, o trabajando. Se supone que sus hábitos de trabajo
pueden modelarse mediante una cadena de Markov de dos estados, y se han
hecho observaciones cada cinco minutos para estimar las probabilidades de
transición. A continuación se dan los datos de las primeras observaciones.