1. El ascensor de un edificio con bajo y dos pisos realiza viajes de uno a otro piso.

El piso en el que finaliza el viaje n-ésimo del

Se sabe que la mitad de los viajes que parten del bajo se dirigen a cada uno de los otros dos pisos, mientras que si un viaje com
Por último, si un trayecto comienza en el segundo piso, siempre finaliza en el bajo. Se pide:
a) Calcular la matriz de probabilidades de transición de la cadena
b) Dibujar el gráfico asociado.
c) ¿Cuál es la probabilidad de que estando en el piso 1 pase al piso 2 en dos pasos?.
d) ¿Cuál es la probabilidad de que permanezca en el piso 2 en tres pasos?.
e) ¿Cuál es la probabilidad de que, a largo plazo, el ascensor se encuentre en cada uno de los tres pisos.

0,5

P1
P0
T
0,75

0,25 T*T
0,5 1
a)
𝑇=[■8(𝑝_00&𝑝_01&𝑝_02@𝑝_10&𝑝_11&
𝑝_12@𝑝_20&𝑝_21&𝑝_22 )]=[■8(0&1/2 P2 T*T*T
&1/2@3/4&0&1/4@1&0&0)] F2
CTRL+SHIFT+ENTER
𝑞 ⃗∗𝑇=𝑞 ⃗
{█(0,75𝑦+𝑧=𝑥@0,5𝑥=𝑦@0,5𝑥+0,25𝑦=𝑧)┤
e) 𝑞 ⃗∗𝑃=𝑞 ⃗ donde 𝑞 ⃗=(𝑥, 𝑦, 𝑧)

(■8(𝑥&𝑦&𝑧))
[■8(0&1/2&1/2@3/4&0&1/4@1&0&0) {■8(0,75𝑦+𝑧=𝑥@0,
]=(■8(𝑥&𝑦&𝑧)) 5𝑥=𝑦@0,5𝑥+0,25𝑦
=𝑧)┤

(■8(𝑥&𝑦&𝑧))∗[■8(0&1/2&1/2@3/4&0&1/4@1&0&0)]=(■8(𝑥&𝑦&𝑧))

(■8(0,75𝑦+𝑧&0,5𝑥&0,5𝑥+0,25𝑦))=(■8(𝑥&𝑦&𝑧))
{■8(−100(2𝑦)
+75𝑦+100𝑧=0@50𝑥−100𝑦=
50𝑥=100𝑦 0@█(50(2𝑦)
+25𝑦−100𝑧=0@(2𝑦)
+𝑦+𝑧=1))┤

z=1−3𝑦

𝑥=2𝑦
 125y-100+300𝑦=0 𝑥=2𝑦 0.47058824

425𝑦=100 𝑦=100/425=0,2352 z=1−3(0,2352)

𝑞 ⃗=(■8(0,47&0,23&0,29)) Vector de probabilidad a largo pl

2. Se sabe que un sistema fallará o no dependiendo de si ha fallado o no el día anterior. La probabilidad de que falle un día s
anterior es de 0.7, pero si no ha fallado el día anterior es de 0.2.

Determine el estado estable del sistema Considerar los estados:

0 falló ayer
1 no falló ayer

0,3

FALLO NO T
0,7 FALLO 0,8

𝑇=[■8(0,7&0,3@0,2&0,8)]
0,2

1. ¿Cuál es la probabilidad de que el sistema falle dentro de cuatro días sabiendo que hoy no ha fallado?

𝑃_10^4=𝑃(𝑋_4=0 𝐼 𝑋_0=1)

[■8(0,7&0,3@0,2&0,8)]∗[■8(0,7&0,3@0,2&0,8)]=[■8(0,55&0,45@0,3&0,7)]
𝑃^2=𝑃∗𝑃=

[■8(0,55&0,45@0,3&0,7)]∗[■8(0,55&0,45@0,3&0,7)]=[■8(0,4375&0,5625@0,375&0,625)]
𝑃^4=𝑃^2∗𝑃^2=

𝑃_10^4=𝑃(𝑋_4=0 𝐼 𝑋_0=1)=0, 375 37.50%

2. ¿Cuál es la probabilidad de que el sistema falle el cuarto día sabiendo que inicialmente la probabilidad de fallar es de 0.4

𝑞 ⃗∗𝑃(𝑋_4=0)=𝑞 ⃗

𝑞 ⃗=
[■8(0,4&0,6)]∗[■8(0,4375&0,5625@0,375&0,625)]=[■8( 40%
0,4&0,6)]=0,4
 3. Consideremos de nuevo el ejemplo de fiabilidad de un sistema en el que ahora suponemos que el estado en el que se enc
depende de lo que ha ocurrido los dos días anteriores. Concretamente, supongamos que si falló ayer y falla hoy, fallará mañ
está fallando hoy pero no ayer, entonces fallará mañana con probabilidad 0.6; si falló ayer pero no hoy, entonces fallará ma
no ha fallado ni hoy ni ayer, entonces fallará mañana con probabilidad 0.1.

Realizar el diagrama de estado Considerar los estados:

0 Falló ayer y hoy
0,2
1 Falló ayer pero no hoy
0 2 No falló ayer pero si hoy
0,8 1
3 No falló aller ni hoy
0,4
0,6
0,6
0,4

2 3

0,1 0,9

4. Una empresa está considerando utilizar Cadenas de Markov para analizar los cambios en las preferencias de los usuarios
determinado producto. El estudio ha arrojado la siguiente estimación de la matriz de probabilidades de cambiarse de una m

a) Si en la actualidad la participación de mercado es de 45%, 25% y 30%, respectivamente. ¿Cuales serán las participaciones

■8(𝐼𝑃(𝑋_0⤶7=1)=&0,45@𝐼𝑃(𝑋_0=1)=&0,25@𝐼𝑃(𝑋_0=1)=&0,30)]
𝑃=[■8(0,8&0,10&0,10@0,03&0,95&0,02@0,20&0,05&0,75)]

[■8(0,45&0,25&0,30)]∗[■8(0,8&0,10&0,10@0,03&0,95&0,02@0,20&0,05&0,75)]=[■8(0,4275&0,2975&0,275)]
𝑇_1=𝐹^0∗𝑃

[■8(0,4275&0,2975&0,275)]∗[■8(0,8&0,10&0,10@0,03&0,95&0,02@0,20&0,05&0,75)]=[■8(0,405925&0,339125&0,2549
𝑇_2=𝑇_1∗𝑃
 Se concluye que las cuotas de mercado (particiones de mercado) en dos meses a cambiado deun 45% a un 40.59% ; de un 25%
un 25.50% , para las marcas 1,2 y3 respectivamente.

b) ¿Cuál es la cuota de mercado en el largo plazo para cada una de las marcas descritas?

𝜋=𝑃^𝑇∗𝜋 𝜋1=0,80∗(𝜋1+0,03)∗(𝜋2+0,20)∗𝜋3=0,2373
𝜋2=0,10∗(𝜋1+0,95)∗(𝜋2+0,05)∗𝜋3=0,6184
𝜋3=0,10∗(𝜋1+0,02)∗(𝜋2+0,75)∗𝜋3=0,1443

5. En una Unidad de Cuidados Intensivos en un determinado hospital, cada paciente es clasificado de acuerdo a un estado c
clasificaciones son actualizadas cada mañana por un médico internista, de acuerdo a la evaluación experimentada por el pa
las cuales cada paciente se mueve de un estado a otro se resumen en la tabla que sigue:

a) ¿Cuál es la probabilidad que un paciente en estado crítico un día Jueves esté estable el día Sábado?.
(0,60&0,40&0,10@0,30&0,40&0,40@0,10&0,20&0,50)]∗[■8(1@0@0)]=[■8(0,60@0,30@0,10)]
𝐹_1=𝑃^𝑇∗𝐹^0

60&0,40&0,10@0,30&0,40&0,40@0,10&0,20&0,50)]∗[■8(0,60@0,30@0,10)]=[■8(0,49@0,34@0,17)]
𝐹_2=𝑃^𝑇∗𝐹^1
17%

la probabilidad de pasar del estado crítico al estado estable al cabo de 2 etapas es de un 17%.

b) ¿Cuál es la probabilidad que un paciente que está en estado estable el Lunes experimente alguna complicación y no esté

■8(0,60&0,40&0,10@0,30&0,40&0,40@0,10&0,20&0,50)]∗[■8(0@0@1)]=[■8(0,10@0,40@0,50)]
𝐹_1=𝑃^𝑇∗𝐹^0

27%
(0,60&0,40&0,10@0,30&0,40&0,40@0,10&0,20&0,50)]∗[■8(0,10@0,40@0,50)]=[■8(0,27@0,39@0,34)]
𝐹_2=𝑃^𝑇∗𝐹^1 39%
 60%

la probabilidad de que comenzando en un estado estable al cabo de 2 días un paciente se encuentre en estado crítico o serio

c) ¿Qué porcentaje de la Unidad de Cuidados Intensivos usted diseñaría y equiparía para pacientes en estado crítico?.

La cadena es irreducible con estados recurrentes positivos aperiódicos, pero serian los siguientes:

𝜋_𝐶≅0,2372 𝜋_𝑆≅0,6184 𝜋_𝐸≅0,1443

que finaliza el viaje n-ésimo del ascensor sigue una cadena de Markov.
sos, mientras que si un viaje comienza en el primer piso, sólo el 25% de las veces finaliza en el segundo.

P0 P1 P2
P0 0 0.5 0.5
P1 0.75 0 0.25
P2 1 0 0

P0 P1 P2
0.875 0 0.125 P0 0.875 0 0.125
T² 0.25 0.375 0.375 P1 0.25 0.375 0.375
0 0.5 0.5 P2 0 0.5 0.5

T³ 0.125 0.4375 0.4375 P0 0.125 0.4375 0.4375

5𝑥+0,25𝑦=𝑧)┤ 0.65625 0.125 0.21875 P1 0.65625 0.125 0.21875
0.875 0 0.5 P2 0.875 0 0.5

{■8(−𝑥+0,75𝑦+𝑧=0@ {■8(−100𝑥+75𝑦+100𝑧=0@
0,5𝑥−𝑦=0@█(0,5𝑥+0, 50𝑥−100𝑦=0@█(50𝑥+25𝑦−
25𝑦−𝑧=0@𝑥+𝑦+𝑧=1)) 100𝑧=0@𝑥+𝑦+𝑧=1))┤
┤

{■8(−25𝑦+100𝑧=0@@█(12
@50𝑥−100𝑦= 5𝑦−100𝑧=0@3𝑦+𝑧=1))┤
@(2𝑦)
 0.2944 𝑥=2𝑦=2∗0,2352 0.47058824

ector de probabilidad a largo plazo, cuando las condiciones del sistema se estabilizan

obabilidad de que falle un día sabiendo que ha fallado el día

0 1
0 0.7 0.3
1 0.2 0.8

ha fallado?

probabilidad de fallar es de 0.4 y la de no fallar es de 0.6?

s que el estado en el que se encuentra el sistema un día
alló ayer y falla hoy, fallará mañana con probabilidad 0.8; si
ero no hoy, entonces fallará mañana con probabilidad 0.4; si

alló ayer y hoy

alló ayer pero no hoy
o falló ayer pero si hoy
o falló aller ni hoy

as preferencias de los usuarios por tres marcas distintas de un

bilidades de cambiarse de una marca a otra cada mes:

uales serán las participaciones de mercado de cada marca en dos meses más?.

8(0,4275&0,2975&0,275)]

(0,405925&0,339125&0,25495)]
un 45% a un 40.59% ; de un 25% a un 33.91% y de un 30% a

ficado de acuerdo a un estado crítico, serio o estable. Estas

ación experimentada por el paciente. Las probabilidades con

O,3

O,6 C S O,4

O,4
O,4
O,1

O,1 O,2
E

O,5

alguna complicación y no esté estable nuevamente el Miércoles?.

uentre en estado crítico o serio es de un 60%

ientes en estado crítico?.