Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Simulació en QM
Tendrán una llegada de autos de alrededor de 6 autos por horas.
Describa como podemos usar el análisis de Markov para realizar mediciones.
2. Construir la matriz de transición: Una vez que hayas identificado los estados
posibles, necesitas determinar las probabilidades de transición entre estos
estados. Esto se puede hacer observando datos históricos o utilizando
conocimiento experto sobre el sistema. La matriz de transición es una matriz
cuadrada donde cada entrada (i, j) representa la probabilidad de transición del
estado i al estado j en un solo paso de tiempo. Esta matriz debe cumplir con la
propiedad de que las filas sumen 1, ya que la probabilidad de transición desde un
estado dado a todos los posibles estados siguientes debe ser igual a 1.
3. Realizar mediciones: Una vez que tenga la matriz de transición, puede utilizarla
para realizar mediciones sobre el sistema. Por ejemplo, podrías estar interesado
en predecir la probabilidad de que el sistema esté en cierto estado en un
momento futuro dado el estado actual del sistema. Esto se puede hacer
utilizando técnicas de álgebra lineal, como la multiplicación de matrices.
La universidad de South Wisconsin ha tenido una inscripción estable los últimos cinco
años. La escuela tiene su propia librería. University Bookstore, pero también hay tres
librerías privadas en la ciudad: Bills Store, College Bookstore y Battles Book Store. La
universidad está preocupada por el gran número de estudiantes que están comprando en
una de las librerías privadas. Como resultado, el presidente de South Wisconsin, Andy
Lange, Decidio dar a un estudiante tres horas de crédito universitario para que estudie el
problema. Se obtuvo la siguiente matriz de probabilidades de transición:
PERIODO 2
UNIVERSITY = 0.188
BILL’S = 0.263
COLLEGE = 0.300
BATTE’S = 0.250
PERIODO 3
PERIODO 4
PERIODO 5
UNIVERSITY=(0.139075*0.6)+(0.261895*0)+(0.362*0.1)+(0.23803*0.05)=
0.1315465
PERIODO 6
0.1284229
0.2572744
0.39180695
0.22349575
Bibliografia
R. Y. Rubinstein, D. P. Kroese, Simulations and the Monte Carlo Method, Wiley, 2nd
edition, 2008.
A. M. Johansen, L. Evers, Simulation and the Monte Carlo Methods — Lecture Notes,
Ed. Nick Whiteley, University of Bristol, 2011.