Cadenas de Markov

MINISTERIO DE EDUCACIÓN NACIONAL
UNIVERSIDAD DE LA AMAZONIA
NIT: 891190346-1
MODELOS PROBABILISTICOS
Trabajo-1 Tema de proyecto:
19 de septiembre de 2022 Cadenas de Márkov
EJERCICIO PRÁCTICO DE CADENAS DE MÁRKOV PARA EL PROCESO DE

COMPARTIR UN ORDENADOR CON N USUARIOS
INTEGRANTES:
CARLOS ALBERTO ORTIZ LOSADA
JANIO CESAR SEPULVEDA FAJARDO
INTRODUCCIÓN A LAS CADENAS DE MARKOV:
Las cadenas de Márkov son un tipo de proceso estocástico introducido en 1906 por
el matemático Andréi Márkov, de quien reciben su nombre. Específicamente, una
cadena de Márkov es un proceso estocástico de espacio de estados discreto en el
que la evolución futura del proceso solo depende de su estado presente y es
independiente de la evolución pasada del proceso. Es decir, es un proceso que
cumple con la propiedad de no memoria.
La serie o modelo de Márkov es una herramienta para analizar procesos en los que
la secuencia de variables aleatorias evoluciona en función de otra variable.
Aquellas variables o conjuntos de variables que tienen un efecto aleatorio se
denominan procesos estocásticos.
Una serie de Márkov es una secuencia de X1, X2, X3, ... de variables aleatorias. El
valor de Xn es el estado del proceso en el tiempo n. (Universidad militar Nueva
Granada, s. f.)
PLANTEAMIENTO DEL PROBLEMA:
Se tiene un ordenador el cual debe ser compartido por varios usuarios. Un usuario
se puede desconcertarse con una probabilidad de 0.4 y se puede conectar con una
probabilidad de 0.3.
1. OBJETIVOS
1.1. Objetivo general
Desarrollar una cadena de Márkov con el fin de que se pueda hallar la distribución
binomial, la probabilidad de transición.
“Gestión e Investigación para el Desarrollo de la Amazonía”

Calle 17 Diagonal 17 con carrera 3F Barrio El Porvenir
Tel. 8-4358231. Web site www.uniamazonia.edu.co
Email rectoria@uniamazonia.edu.co;
Florencia – Caquetá
NIT: 891190346-1
1.2. Objetivo especifico
 Implementar la cadena de Márkov para la búsqueda de la distribución

binomial y la probabilidad de transición.
2. METODOLOGÍA
2.1. Implementación
Considerando las características del trabajo a desarrollar, se eligió el lenguaje

Python (anaconda) para construir el algoritmo multicapa, a través de Colab, ya que
es un software de código abierto que cuenta con una serie de bibliotecas
matemáticas muy realistas, con una gran máquina. base de aprendizaje para la
minería de datos.
2.2. Código
Para el desarrollo del presente se hizo uso de la librería Math, especializada en el

manejo de operaciones matemáticas e interacción de matrices, posteriormente se
crean 6 atributos donde “d” significa que se puede desconectar, “dc” no se puede
desconectar, “c” se puede conectar, “cc” no se puede conectar, seguidamente se
implementó un input “usuarios”, este nos permitirá digitar la cantidad de usuarios
con la que queremos formar nuestra matriz de transición y la “matriz”, esta será la
encargada de guardas las probabilidades. Se diseña un ciclo for que tendrá como
rango la cantidad de usuarios que digitemos y se hace uso del atributo “matriz”,
para que vaya adjuntando todas las posiciones junto las probabilidades calculadas.
A continuación, en la figura 1 se muestra los pasos detalladamente.

NIT: 891190346-1
Figura 1 Pasos para elaborar la matriz.
Una vez definida la matriz donde se van a adjuntar las posiciones y las
probabilidades calculadas, se elaborar una función llamada Combinatoria, esta se
elabora con el fin de realizar las operaciones factoriales en (n,x).
n n!
La fórmula de distribución binomial x = Y su codificación.
x ! ( n−x ) !
Figura 2 Codificación distribución binomial.
A continuación, en la figura 3 Y 4, se mostrará el proceso realizado para hacer las

iteraciones.

NIT: 891190346-1
Figura 3 parte 1 del proceso de iteración

NIT: 891190346-1
Figura 4 Parte 2 del proceso de iteración
Este código cuenta con dos for, en primer for ayuda para recorrer la cantidad de
usuarios que digitemos, en el segundo for ayuda para recorrer la cantidad de
iteraciones que tiene que hacer cada usuario, se definen 2 variables en el primer
for “nc” número de las conexiones que se pueden realizar y “nd” número de
usuarios conectados que se pueden desconectar, en el segundo for tenemos dos
variables “ncd” que significa el número de conectados deseados y “ndd” número
de desconectados deseados. Se manejan 7 condicionales if, en donde se pregunta
si i (en la posición del usuario) es igual al 0, si i en la posición del usuario es igual
a la cantidad de usuarios digitados, si j en la posición de los usuarios deseados es
igual a 0, además analizamos en la posición j si es igual a la cantidad de los
usuarios ingresados y posteriormente verificamos que i sea mayor a j, igual y
menor.
En cada condición recibe la función Combinatoria que es la encargada de calcular

las probabilidades de cada usuario, con sus respectivos éxitos.

NIT: 891190346-1
Para observa las probabilidades calculadas en una matriz y la suma de las

probabilidades, se define una función mostrar_matriz, esta recibe como parámetro
la matriz en donde estamos guardando los resultados y la recorre con un for.
Se define una variable filas y con ayuda de la función len, se va a encontrar la
dimensión de la matriz, seguidamente se recorren con un for y con la función sum
va a sumar cada valor de las filas que se encuentren en la matriz, para
posteriormente ser adjuntadas a la matriz, por ultimo se muestra la matriz. La
figura 5, muestra el proceso realizado.
Figura 5 Suma de las probabilidades.
3. RESULTADOS
Para detallar los resultados, se elaboraron 2 pruebas con diferente cantidad de

usuarios, la primera con la cantidad de 5 usuarios la figura 6 y la segunda con la
cantidad de 4 usuarios la figura 7.
Figura 6, con 5 usuarios.

NIT: 891190346-1
Figura 6 Resultado con 5 usuarios.
Figura 7, con 4 usuarios.
Figura 7 Resultado con 4 usuarios.
4. Conclusión
Este presente trabajo se debió elaborar con la mayor delicadeza ya que se debía
comprobar cada probabilidad hallada, por ende, para concluir, encontramos que
las cadenas de Márkov se utilizan para analizar el comportamiento de usuarios,
que estos procesos que evolucionan de forma no determinística a lo largo del
tiempo en torno a un conjunto de estados.
5. Bibliografía
Statistical functions (scipy.stats) — SciPy v1.7.1 Manual . (s. f.). Recuperado 22 de

enero de 2022, de https://docs.scipy.org/doc/scipy/reference/stats.html
Universidad militar Nueva Granada. (s. f.). UNIDAD 2. CADENAS DE MARKOV.
Recuperado 22 de enero de 2022, de

NIT: 891190346-1
http://virtual.umng.edu.co/distancia/ecosistema/ovas/ingenieria_civil/
investigacion_de_operaciones_ii/unidad_2/DM.pdf


Cadenas de Markov

Cargado por

Información del documento

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

Cadenas de Markov

Cargado por

Copyright:

Formatos disponibles

MINISTERIO DE EDUCACIÓN NACIONAL

EJERCICIO PRÁCTICO DE CADENAS DE MÁRKOV PARA EL PROCESO DE

INTRODUCCIÓN A LAS CADENAS DE MARKOV:

PLANTEAMIENTO DEL PROBLEMA:

1.1. Objetivo general

“Gestión e Investigación para el Desarrollo de la Amazonía”

1.2. Objetivo especifico

 Implementar la cadena de Márkov para la búsqueda de la distribución

Considerando las características del trabajo a desarrollar, se eligió el lenguaje

Para el desarrollo del presente se hizo uso de la librería Math, especializada en el

A continuación, en la figura 1 se muestra los pasos detalladamente.

“Gestión e Investigación para el Desarrollo de la Amazonía”

Figura 1 Pasos para elaborar la matriz.

Figura 2 Codificación distribución binomial.

A continuación, en la figura 3 Y 4, se mostrará el proceso realizado para hacer las

“Gestión e Investigación para el Desarrollo de la Amazonía”

Figura 3 parte 1 del proceso de iteración

“Gestión e Investigación para el Desarrollo de la Amazonía”

Figura 4 Parte 2 del proceso de iteración

En cada condición recibe la función Combinatoria que es la encargada de calcular

“Gestión e Investigación para el Desarrollo de la Amazonía”

Para observa las probabilidades calculadas en una matriz y la suma de las

Figura 5 Suma de las probabilidades.

Para detallar los resultados, se elaboraron 2 pruebas con diferente cantidad de

Figura 6, con 5 usuarios.

“Gestión e Investigación para el Desarrollo de la Amazonía”

Figura 6 Resultado con 5 usuarios.

Figura 7, con 4 usuarios.

Figura 7 Resultado con 4 usuarios.

Statistical functions (scipy.stats) — SciPy v1.7.1 Manual . (s. f.). Recuperado 22 de

“Gestión e Investigación para el Desarrollo de la Amazonía”

“Gestión e Investigación para el Desarrollo de la Amazonía”

También podría gustarte