Zamora Gonzlez, Jeanette

Ingeniera Industrial
2011
Programacin Lineal
Cadena de Markov
Qu es Octave?
GNU Octave es un lenguaje de alto nivel destinado para el clculo numrico.
Provee una interfaz sencilla, orientada a la lnea de comandos (consola), que
permite la resolucin de problemas numricos, lineales y no lineales, adems
permite la ejecucin de scripts y puede ser usado como lenguaje orientado al
procesamiento por lotes.

Un modelo de Programacin Lineal (PL) considera que las variables de
decisin tienen un comportamiento lineal, tanto en la funcin objetivo
como restricciones del problema. En este sentido, la Programacin Lineal es
una de las herramientas ms utilizadas en la Investigacin Operativa debido
a que por su naturaleza se facilitan los clculos y en general permite una
buena aproximacin de la realidad.

(
(
(
(

= P
ss s s
s
s
p p p
p p p
p p p

2 1
2 22 21
1 12 11
Es una serie de eventos, en la cual la probabilidad de que ocurra un evento
depende del evento inmediato anterior. En efecto, las cadenas de este tipo
tienen memoria. "Recuerdan" el ltimo evento y esto condiciona las
posibilidades de los eventos futuros. Esta dependencia del evento anterior
distingue a las cadenas de Mrkov de las series de eventos independientes,
como tirar una moneda al aire o un dado.

Descripcion
Abre una nueva sesin de QtOctave.
Abre un editor de texto. El editor se puede
configurar en el men Config.
Abre una matriz en una hoja de clculo.
Abre la ayuda de Octave. Se puede configurar en el
men Config.
Ayuda dinmica. Muestra ayuda de los comandos
segn se van tecleando en el terminal.

Busca comandos similares al que se haya tecleado.
Ctrl. + C. Sirve para parar procesos desbocados,
bucles infinitos
Borra los contenidos de el terminal.

Variables
Vectores y matrices
Secuencias
Operadores booleanos
Variables

Las variables son identificadoras que permiten almacenar datos, los cuales pueden cambiar
durante la ejecucin de un programa. Las variables nos permiten asignarle nombres a los
valores para luego poder hacer referencia a estos. No hay lmite para la longitud en el nombre de
una variable, pero estos deben estar constituidos por una secuencia de letras, underscores
(smbolo de subrayado o guin bajo) o nmeros y slo pueden empezar con letras o
underscores.
Los nombres de las variables son sensibles a maysculas
Vectores y matrices

En Octave disponemos de una gran variedad de formas para definir vectores y matrices,
usualmente lo hacemos encerrando los elementos dentro de corchetes, los elementos separados
por espacios o comas (,) definen un vector fila, los elementos separados por el retorno de carro
o por punto y coma (;) definen una nuevo vector fila en la matriz.
Operadores booleanos

En las operaciones booleanas se comparan cada uno de los elementos de un operando con su
correspondiente elemento en el otro operando y se considera falso cuando el clculo entre estos
elementos da cero, y verdadero para cualquier otro caso.
Secuencias

Una forma sencilla de producir una secuencia de nmeros es utilizando la notacin n:m
donde n es el nmero inicial y m el final
Tambin podemos usar la notacin p:q:r para crear una secuencia que inicia en p, finaliza
en r con intervalos de q..
Tenemos otras dos funciones que nos permiten crear vectores de elementos secuenciales,
estos son linspace y logspace, el primero separa los nmeros uniformemente y el segundo lo
hace logartmicamente.
Considera que las variables de decisin tienen un comportamiento lineal,
tanto en la funcin objetivo como restricciones del problema.
Los Modelos Matemticos se dividen bsicamente en Modelos Determistas
(MD) o Modelos Estocsticos (ME). En el primer caso (MD) se considera que los
parmetros asociados al modelo son conocidos con certeza absoluta, a diferencia
de los Modelos Estocsticos, donde la totalidad o un subconjunto de los
parmetros tienen una distribucin de probabilidad asociada.
Imagen
Clasificacin
QtOctave
Octave puede resolver problemas de programacin lineal utilizando
el glpk funcin. Es decir, Octave puede resolver

min C* x

Sujeta a las restricciones A* x = b; con x>0

Funcion archivo: [xopt, fmin, status, extra] = glpk (c, A, b, lb, ub, ctype, vartype,
sense, param)
A continuacin veremos la resolucin de un problema de programacin lineal con
QtOctave. Donde se explicar paso a paso como resolverlo y el significado de cada
apartado.
c Una matriz columna que contiene los coeficientes de la funcin objetivo.
a Una matriz que contiene los coeficientes de las restricciones.
b Una matriz columna que contiene el valor lado derecho de cada restriccin
en la restriccin de la matriz.
lb Una matriz que contiene el lmite inferior de cada una de las
variables. Si lb no se suministra, el lmite inferior predeterminado para las
variables es cero.
ub Una matriz que contiene el lmite superior en cada una de las
variables. Si ub no se suministra, el valor predeterminado del lmite superior se
supone que es infinito.

Entrada argumentos
ctype Un conjunto de caracteres que contiene el sentido de cada
restriccin en la restriccin de la matriz. Cada elemento de la matriz puede
ser uno de los siguientes valores
F Libre (sin lmites) restriccin (la restriccin se ignora).
U Una restriccin de desigualdad con un lmite superior.
S Una restriccin de igualdad
L Una desigualdad con un lmite inferior.
D Una restriccin de desigualdad con las dos cotas inferiores y superiores.

Entrada argumentos
Vartype Una matriz columna que contiene los tipos de las variables.

C Una variable continua.
I Una variable de entero.

Sentido Si el sentido es 1, el problema es una reduccin al mnimo. Si el
sentido es -1, el problema es la maximizacin. El valor por defecto es 1.

Los valores de salida:

Xopt El optimizador (el valor de las variables de decisin en el ptimo).
FOPT El valor ptimo de la funcin objetivo.
Entrada argumentos
Programacin lineal con QtOctave
Resolucin Problemas
Una empresa de automviles tiene dos plantas P y Q de montajes de
vehculos en las que produce tres modelos A, B y C. De la planta B salen
semanalmente 10 unidades del modelo A, 30 del B y 15 del C y de la Q, 20 del
modelo A, 20 del B y 70 del modelo C, cada semana. La firma necesita al
menos 800 unidades de A, 1600 de B y 1800 de C. Si el gasto de
mantenimiento de planta es de $6000000 semanal. Cuntas semanas ha de
funcionar cada planta para que el coste de produccin sea mnimo?
Resolveremos un problema con el mtodo grfico explicando el mismo
paso a paso, y luego encontraremos la solucin con QtOctave, analizando el
problema para poder determinar los datos que son indispensables.
Problema 1
Antes de comenzar a resolver el problema es conveniente realizar una
tabla resumen en donde se especifiquen todas las variables que interfieren
como aquellos datos que se relacionen con las mismas. De esta manera
obtenemos la siguiente tabla:
Resumen
Modelo A Modelo B Modelo C
Planta P 10 30 15
Planta Q 20 20 70
800 1600 1800
Funcin Objetivo
Se desea determinar las semanas de produccin para el cul el costo de sea
mnimo. Por lo tanto se tienen dos incgnitas el nmero de semanas de
trabajo de la planta P y el de la planta Q, como conocemos el costo de
mantenimiento de la planta semanal, planteamos la siguiente ecuacin:
F(x,y) = 6x + 6y
Variables
x = Nmero de semanas de trabajo de la planta P
y = Nmero de semanas de trabajo de la planta Q
Restricciones
La restricciones vienen dadas por las cantidad de unidades solicitadas
como mnimo de cada modelo. Es por ellos que se debe tener en cuenta la
cantidad de cada modelo producida en cada planta. Las ecuaciones que
representan dichas restricciones son las siguientes:
10 + 20 800
30 +20 1600
15 + 70 1800
0
0
Comandos
octave:3> c=[6 6 ];
octave:4> a=[10 20;30 20;15 70];
octave:5> b=[800 1600 1800];
octave:6> lb=[];
octave:7> ub[];
octave:8> ctype="LLL";
octave:9> vartype="CC";
octave:10> s=1;
octave:11> [xop,fop,status,extra]=glpk(c,a,b,lb,ub,ctype,vartype,s);
octave:12> xop
xop =
40
20
octave:13> fop
fop = 360
Con estos comandos
encontramos el valor de
las variable y el costo
mnimo de produccin
Coeficientes funcin objetivo
Coeficientes de las restricciones
Valor de las desigualdades
______________
______________
Indica el tipo de desigualdad L es >=
Cantidad de variables (x e y)
Tipo de problema s=1 minimiza
Valores que deben tomar x e
y correspondientemente


Valor objetivo. Mnimo valor
para este ejemplo

octave:14> x=0:10:150;
octave:15> y1=40-1/2*x;
octave:16> y2=80-3/2*x;
octave:17> y3=max((180/7)-(15/70)*x,0);
octave:18> ytop=max([y1;y2;y3]);
octave:19> area(x,ytop);
octave:20> hold on;
octave:21> x=0:10:150;
octave:22> title('Funcin objetivo y rea factible');
octave:23>
plot(x,(360/6)-(6/6)*x);
Continuacin comandos
Con estos comandos
realizamos la grfica que
nos muestra el punto
objetivo (valor de las
variables) y con el que
podemos calcular el valor
objetivo.
Grfico
El mnimo coste de produccin cumpliendo todas las restricciones se
obtiene trabajando 40 semanas en la planta P y 20 das en la planta Q,
siendo este coste de 360 millones.
Una empresa fabrica dos tipos de colonias: A Y B. La primera contiene un 15%
de extracto de jazmn, 20% de alcohol y el resto es agua. La segunda contiene
20% de extracto de jazmn, 15% de alcohol y el resto es agua. Diariamente se
dispone de 60 litros de extracto de jazmn y de 50 litros de alcohol. Cada da se
puede producir como mximo 150 litros de la colonia B. el precio de venta por
litro de la colonia A es de $500 y el de la colonia B es de $2000. Hallar los litros
de cada tipo que deben producirse diariamente para que el beneficio sea
mximo.
Problema 1
Variables
x = litros colonia tipo A
y = litros colonia tipo B
Funcin objetivo
F(x,y) = 500x + 2000y
Pantalla QtOctave
A B
Jazmin 15% 30% 60
Alcohol 20% 15% 50
50 200
15 +30 6000 +2 400
20 +15 5000 4 +3 1250
150
0
0
Resumen Restricciones
Comandos
c=[500 2000];
a=[1 2;4 3;0 1];
b=[400 1250 150];
lb=[];
ub=[];
ctype="UUU";
vartype="CC";
s=-1;
[xop,fop,status,extra]=glpk(c,a,b,lb,ub,ctype,vartype,s);
Xop
100
150
Fop
350000
x=0:50:400;
y1=200-1/2*x;
y2=max((1250/3)-4/3*x,0);
y3=150+0*x;
ytop=min([y1;y2;y3]);
area(x,ytop);
hold on;
x=0:50:400;
title('Funcin objetivo y rea factible');
plot(x,(350000/2000)-(500/2000)*x);
Continuacion Comandos
El mayor beneficio se obtiene con 100 unidades tipo A y 150 unidades
tipo B, siendo este de $350000.

Un fabricante produce dos parrillas para asar, Old Somokey y Blaze Hawaii.
Durante la produccin las parrillas requieren del uso d dos mquinas, A y B. El
nmero de horas necesarias en ambas est indicado en la siguiente tabla. Si cada
mquina puede utilizarse 24 hs por da, y las utilidades de los modelos son $4 y
$6 respectivamente. Cuntas parrillas de cada tipo deben producirse por da
para obtener una utilidad mxima? Cul es la utilidad mxima?.

Variables
x = Nmero de semanas de trabajo de la planta P
y = Nmero de semanas de trabajo de la planta Q

Funcin objetivo
F(x,y) = 4x + 6y
Problema 2
Old
Smokey
Blaze
Hawaii
Hs
disponibles
Maq A 2 4 24
Maq B 4 2 24
Benef. 4 6
2x+4y24
4x+2y 24
x 0
y 0
Resumen Restricciones
octave:3> c=[4 6 ];
octave:4> a=[2 4;4 2];
octave:5> b=[24 24];
octave:6> lb=[];
octave:7> ub[];
octave:8> ctype="UU";
octave:9> vartype="CC";
octave:10> s= -1;
octave:11>
[xop,fop,status,extra]=glpk(c,a,b,lb,ub,ctype,vartype,s);
octave:12> xop
xop =
4
4
octave:13> fop
fop = 40
Comandos
Continuacion Comandos
octave:14> x=0:1:15;
octave:15> y1=6-1/2*x;
octave:16> y2= max (12-2*x,0);
octave:17> ytop=max([y1;y2]);
octave:18> area(x,ytop);
octave:19> hold on;
octave:20> x=0:1:15;
octave:21> title('Funcin objetivo y rea factible');
octave:22>
plot(x,(40/60)-(4/6)*x);

Problema 3
Una agencia de viajes vende paquetes tursticos para acudir a la final de un
campeonato de futbol. La agencia est considerando ofrecer dos tipos de viajes. El 1
de ellos (A) incluye desplazamiento autocar para dos personas, una noche de
alojamiento en habitacin doble y cuatro comidas. El 2 (B) incluye desplazamiento
autocar para una persona, una noche de alojamiento tambin en habitacin doble y
dos comidas.
El precio de venta del paquete A es de $15000 y el del paquete B $9000. La
empresa tiene contratado en mximo de 30 plazas de autobs, 20 habitaciones
dobles y 56 comidas.
El nmero de paquetes del tipo B no debe superar al de tipo A. La empresa desea
maximizar sus ingresos.

Variables
x = Paquetes tipo A
y = Paquetes tipo B

Funcin objetivo
F(x,y) = 15000x + 9000y
Plazas
autocar
Plazas de
alojamiento
Numero de
comidas

Tipo A 2 1 4 15000
Tipo B 1 1 2 9000
30 20 56
+ 30
+ 20
4 + 2 56
0
0

Resumen Restricciones
octave:1>octave:2> c=[15000 9000];
octave:3> a=[1 1;1 1;4 2];
octave:4> b=[30 20 56];
octave:5> lb=[];
octave:6> ub=[];
octave:7> ctype="UUU";
octave:8> vartype="CC";
octave:9> s=-1;
octave:10>
[xop,fop,status,extra]=glpk(c,a,b,lb,ub,ctype,vartype,s);
octave:11> xop
xop =
8
12
octave:12> fop
fop = 228000
Comandos
octave:13> x=0:1:25;
octave:14> y1=30-x;
octave:15> y2=max(20-x,0);
octave:16> y3=max(28-2*x,0);
octave:17> ytop=min([y1;y2;y3]);
octave:18> area(x,ytop);
octave:19> hold on;
octave:20> title('Grafico');
octave:21> plot(x,(228000/9000)-(15000/9000)*x);

Continuacion Comandos
El ingreso mximo es de $228000 y se obtiene vendiendo 8 paquetes
tipo A y 12 paquetes tipo B.
Una escuela prepara una excursin para 400 alumnos. La empresa de transporte
tiene 8 Trafic de 40 plazas y 10 Sprinter de 50 plazas, pero solo dispone de 9
conductores. El alquiler de una Sprinter cuesta $400 y el de una Trafic $300.
Calcular cuntos de cada tipo hay que utilizar para que la excursin resulte lo
ms econmica posible para la escuela.

Funcin Objetivo
F(x,y) = 300y + 400 x

Restricciones
x + y 9
5 x + 4 y 40 (40 x +50 y 400 )
y 8
x 10
x 0 ; y 0
Problema 4
octave:1>octave:2> c=[400 300];
octave:3> a=[1 1;5 4; 0 1;1 0];
octave:4> b=[9 40 8 10];
octave:5> lb=[];
octave:6> ub=[];
octave:7> ctype="ULUU";
octave:8> vartype="CC"
octave:9> s=1;
octave:10> [xop,fop,status,extra]=glpk(c,a,b,lb,ub,ctype,vartype,s);
octave:11> xop
xop =
5
4
octave:12> fop
fop = 3100

Comandos
octave:13> x=0:1:15;
octave:14> y1=9-x;
octave:15> y2=10-5/4*x;
octave:16> ytop=min([y1;y2]);
octave:17> area(x,ytop);
octave:18> hold on
octave:19> title(Grafico);









octave:20> plot(x,(3100/300)-(400/300)*x);
Continuacion Comandos
En una pastelera se hacen dos tipos de tartas: Vienesa y Real. Cada tarta
Vienesa necesita un cuarto de relleno por cada Kg. de bizcocho y produce un
beneficio de 250 Pts, mientras que una tarta Real necesita medio Kg. de relleno
por cada Kg. de bizcocho y produce 400 Ptas. de beneficio. En la pastelera se
pueden hacer diariamente hasta 150 Kg. de bizcocho y 50 Kg. de relleno, aunque
por problemas de maquinaria no pueden hacer mas de 125 tartas de cada tipo.
Cuntas tartas Vienesas y cuantas Reales deben vender al da para que sea
mximo el beneficio?


Funcin objetivo
F(x,y) = 250x

+ 400y

Problema 5
Tipo N Bizcocho Relleno Beneficio
T.
Vienesa
x 1. x 0,250 x 250 x
T. Real y 1. y 0,500 y 400 y
150 50
x + y 150
0,25x +0,50 y 50
x 125
y 125
x 0, y 0
Resumen
Restricciones
Una empresa especializada en la fabricacin de mobiliario para casas de muecas,
produce cierto tipo de mesas y sillas que vende a $2000 y $3000 por unidad,
respectivamente. Desea saber cuntas unidades debe fabricar diariamente un
operario para maximizar los ingresos, tenindose las siguientes restricciones:
El nmero total de unidades de los dos tipos no podr exceder de 4 por da y
operario.
Cada mesa requiere dos horas para su fabricacin; cada silla 3 horas. La jornada
laboral mxima es de 10 horas. El material utilizado en cada mesa cuesta $400. El
utilizado en cada silla $200. Cada operario dispone de $1200 diarias para material.

Problema 6
Variables
x = Nmero de mesas
y = Nmero de sillas

Funcin objetivo
F(x,y) = 2000x + 3000y
+ 4
2 + 3 10
400 +200 1200
0
0
Restricciones
octave:2> c=[2000 3000];
octave:3> a=[1 1; 2 3;400 200];
octave:4> b=[4 10 1200];
octave:5> lb=[];
octave:6> ub=[];
octave:7> ctype="UUU";
octave:8> vartype="CC";
octave:9> s=-1;
octave:10> [xop,fop,status,extra]=glpk(c,a,b,lb,ub,ctype,vartype,s);
octave:11> xop
xop =
1.3418e-316
3.3333e+000
octave:12> fop
fop = 10000
Comandos
octave:13> x=0:1:10;
octave:14> y1=max(4-x,0);
octave:15> y2=max((10/3)-(2/3)*x,0);
octave:16> y3=max(6-2*x,0);
octave:17> ytop=min([y1;y2;y3]);
octave:18> area(x,ytop);
octave:19> hold on;
octave:20> title('Grfico');
octave:21>
plot(x,(10000/3000)-(2000/3000)*x);

Continuacin comandos
Un fabricante de juguetes prepara un programa de produccin para dos nuevos
juguetes, cosas y cositas, utilizando la informacin concerniente a sus tiempos de
produccin dados en la tabla que sigue. Por ejemplo, cada cosa requiere de 2 horas
en la mquina A. Las horas disponibles empleadas por semana son: para operacin
en la mquina A, 70 horas, para B, 40 horas, para terminado, 90 horas. Si las
utilidades en cada cosa y cada cosita son de $4 y $6, respectivamente, cuantos de
cada juguete debe producir por semana con el fin de maximizar la utilidad? Cul
sera la utilidad?
Problema 7
Mquina A Mquina B Terminado
Cosa 2 horas 1 hora 1 hora
Cosita 1 hora 1 hora 3 horas
Resumen
Funcin Objetivo
Mx 4x1 + 6x2
0 2 x
0 x
90 3 x
40 x
70 1 x 2
1
2 1
2 1
2 1
s
s
s +
s +
s +
x
x
x
Restricciones
octave:1>octave:2> c=[4 6];
octave:3> a=[2 1;1 1; 1 3];
octave:4> b=[70 40 90];
octave:5> lb=[];
octave:6> ub=[];
octave:7> ctype="UUULL";
octave:8> vartype="CC"
octave:9> s=-1;
octave:10>
[xop,fop,status,extra]=glpk(c,a,b,lb,ub,ctype,vartype,s);
octave:11> xop
xop =
15
25
octave:12> fop
fop = 210
Comandos
octave:13> x=0:1:50;
octave:14> y=0:5:70;
octave:15> y1=40-x;
octave:16> y2= max(30-1/3*x,0);
octave:17> y3= 70-2*x;
octave:18> ytop=min([y1;y2;y2]);
octave:19> area(x,ytop);
octave:20> hold on
octave:21> title(Grafico);
octave:22> plot(x,(210/6)-(4/6)*x);
Continuacin comandos
A causa de reglamentaciones federales nueva sobre la contaminacin, una
compaa qumica ha introducido en sus plantas un nuevo y ms caro proceso para
complementar o reemplazar un proceso anterior en la produccin de un qumico
en particular. El proceso anterior descarga 15 gramos de dixido de azufre y 40
gramos de partculas a la atmsfera por cada litro de qumico producido. El nuevo
proceso descarga 5 gramos de dixido de azufre y 20 gramos de partculas a la
atmsfera por litro producido. La compaa obtiene una utilidad de 30 y 20
centavos por litro en los procesos anteriores, respectivamente. Si el gobierno
permite a la planta descargar no ms de 10.500 gramos de dixido de azufre y no
ms de 30.000 gramos de partculas a la atmsfera cada da. Cuntos litros de
qumicos deben ser producidos diariamente por cada uno de los procesos, para
maximizar la utilidad diaria? Cul es la utilidad diaria?
Problema 8
Funcin Objetivo
F(x,y) = y 3 x 4 +
0
0 x
30000 20 x 40
10500 5 x 15
s
s
s +
s +
y
y
y
Restricciones
octave:1>octave:2> c=[0.3 0.2];
octave:3> a=[15 5;40 20;1 0; 01];
octave:4> b=[10500 30000 0 0];
octave:5> lb=[];
octave:6> ub=[];
octave:7> ctype="UULL";
octave:8> vartype="CC"
octave:9> s=-1;
octave:10> [xop,fop,status,extra]=glpk(c,a,b,lb,ub,ctype,vartype,s);
octave:11> xop
xop =
0
1500
octave:12> fop
fop = 300
Comandos
Continuacin comandos
octave:13> x=0:10:500;
octave:14> y=0:50:2500;
octave:15> y1=2100-3*x;
octave:16> y2=1500-2*x;
octave:17> ytop=min([y1;y2]);
octave:18> area(x,ytop);
octave:19> hold on
octave:20> title(Grafico);
octave:21> plot(x,(300/0.2)-(0.2/0.3)*x);

La cadena de Markov es una serie de eventos, en la cual la probabilidad de
que ocurra un evento depende del evento inmediato anterior.

En efecto, las cadenas de este tipo tienen memoria. "Recuerdan" el ltimo
evento y esto condiciona las posibilidades de los eventos futuros. Esta
dependencia del evento anterior distingue a las cadenas de Mrkov de las
series de eventos independientes, como tirar una moneda al aire o un dado.
Clasificacin
Estado alcanzable: Dados dos estados i y j, una trayectoria de i a j es una
secuencia de transiciones que comienza en i y termina en j , tal que cada
transicin en la secuencia tiene una probabilidad positiva de ocurrir.
Un estado j es alcanzable desde el estado i si hay una trayectoria que conduzca de
i a j.
Se dice que dos estados i y j se comunican si j es alcanzable desde i, e i es
alcanzable desde j .
Conjunto cerrado: Un conjunto de estados S en una cadena de Markov es un
conjunto cerrado si ningn estado fuera de S es alcanzable desde algn estado en
S.
Clasificacin
Estado absorbente: Un estado i es un estado absorbente si p =1
Estado transitorio: Un estado i es un estado transitorio si existe un estado j
que es alcanzable desde i, pero el estado i no es alcanzable desde el estado j.
Estado recurrente: si un estado no es transitorio, se llama estado recurrente.
Estado periodico: Un estado i es peridico con periodo k> l si k es el nmero
ms pequeo tal que las trayectorias que conducen del estado i de regreso al
estado i tienen una longitud que es un mltiplo de k. Si un estado recurrente no
es peridico, se conoce como aperidico.
Cadena ergdica: Si los estados en una cadena son recurrentes, aperidicos y se
comunican entre s, se dice que la cadena es ergdica.
Cadena de Markov con QtOctave
Resolucin Problemas
El departamento de estudios de mercado de una fbrica estima que el 20% de la
gente que compra un producto un mes, no lo comprar el mes siguiente. Adems, el
30% de quienes no lo compren un mes lo adquirir al mes siguiente. En una
poblacin de 1000 individuos, 100 compraron el producto el primer mes. Cuntos lo
comprarn al mes prximo? Y dentro de dos meses?
Matriz de probabilidades de transicin:
|
|
.
|

\
|
=
7 . 0 3 . 0
2 . 0 8 . 0
P
Matriz del estado actual de la poblacin en cada
uno de los estados posibles:
( ) 900 100 = X
Ahora para averiguar la nueva matriz de estado
en el primer mes tengo que multiplicar la
matriz de probabilidades de transicin P por la
matriz inicial de estado X.
|
|
.
|

\
|
= =
650
350
P X A
Al primer mes, 350 han comprado el producto y
650 no lo han comprado.
Para el siguiente mes, vuelvo a multiplicar la
matriz de probabilidades de transicin por la
nueva matriz de estado obtenida
Primero he asignado a A el producto de P*X,
con lo cual ya tengo la nueva matriz de estado
al cabo del primer mes.
Para el siguiente mes, como repito el proceso, la
matriz obtenida sera la nueva matriz de estado
(en el segundo mes de estudio).
Se observa, podra haber dejado la matriz de
estado inicial X y para el segundo mes, como
tengo que multiplicar dos veces por P (por la
izquierda) podra haber efectuado P
2
* X
|
|
.
|

\
|
=
525
475
A P
|
|
.
|

\
|
=
525
475
2
X P
( ) X P P X P A P = =
2
El resultado indica que en el
segundo mes 475 personas han
comprado el producto y 525 no lo
han comprado.
Qu pasar en los meses siguientes suponiendo que no cambia la matriz de
probabilidades de transicin?
El producto P
n
*X tiende a un estado estacionario.
Este estado estacionario es independiente de la matriz de estado inicial X.
Resolucin con QtOctave
Comandos
% Compra de productos en una fbrica
% Cargamos la matriz de transicin
P=[0.8 0.2;0.3 0.7]
% Cargamos el vector del estado inicial
X=[100 900]
% Cuntos comprarn el producto el mes
prximo?
X*P^2
% Y dentro de dos meses?
X*P^3
X*P^4
X*P^5
X*P^6
X*P^7
X*P^8
X*P^9
X*P^10
X*P^11
X*P^12
La cervecera ms importante del mundo (Guiness) ha contratado a un analista de
investigacin de operaciones para analizar su posicin en el mercado. Estn
preocupados en especial por su mayor competidor (Heineken). El analista piensa
que el cambio de marca se puede modelar como una cadena de Markov incluyendo
tres estados: los estados G y H representan a los clientes que beben cerveza
producidas por las mencionadas cerveceras y el estado I representa todas las dems
marcas. Los datos se toman cada mes y el analista ha construido la siguiente tabla de
transicin de los datos histricos.
Estado Siguiente
G H I
G 0.7 0.2 0.1
H 0.2 0.75 0.05


Estado Actual
I 0.1 0.1 0.8

Matriz de transicion:

|
|
|
.
|

\
|
=
8 . 0 1 . 0 1 . 0
05 . 0 75 . 0 2 . 0
1 . 0 2 . 0 7 . 0
P
Cules son los porcentajes de mercado en el estado estable para las dos cerveceras
grandes?
( ) 26 / 7 26 / 10 26 / 9 =
n
P
Problema 1
Comandos
% Cervecera
% Cargamos la matriz de transicin
P=[0.7 0.2 0.1;0.2 0.75 0.05;0.1 0.1 0.8]
% Cules son los porcentajes de mercado en el estado estable para las dos
cerveceras grandes?
% Simulamos el estado estable elevando a la potencia de 20
P^20
El departamento de mantenimiento de una empresa da servicio a tres
departamentos de ella (A, B, C), sujeto a ciertas restricciones. Nunca se da servicio al
mismo departamento en das seguidos. Si se atiende al departamento A, entonces al
da siguiente se atiende al B. Sin embargo, si se atiende a uno de los departamentos B
C, entonces el da siguiente se tiene doble probabilidad de atender a A, que atender a
otro departamento.
Estado Siguiente
Dpto. A Dpto. B Dpto. C
Dpto. A 0 1 0
Dpto. B 2/3 0 1/3


Estado Actual
Dpto. C 2/3 1/3 0

Matriz de probabilidades de transicin
|
|
|
.
|

\
|
=
0 3 / 1 3 / 2
3 / 1 0 3 / 2
0 1 0
P
Si hoy se est dando servicio a C, En 2 das, que departamento (A, B o C) tiene
mayor probabilidad de ser atendido?
|
|
|
.
|

\
|
=
9 / 1 3 / 2 9 / 2
0 9 / 7 9 / 2
3 / 1 0 3 / 2
2
P
El dpto. B tiene mayor probabilidad de ser atendido con respecto a los dptos. A y C.
Problema 2
Comandos
% Empresa de mantenimiento
% Matriz de transicin
P=[0 1 0;2/3 0 1/3;2/3 1/3 0]
% Si hoy se esta dando servicio a C
% En 2 das qu dpto. tiene mayor probabilidad de ser atendido?
P^2
% El dpto. B tiene mayor probabilidad de ser atendido con respecto a los dptos. A y C.
ZAMORA GONZALEZ, JEANETTE MIKAELA
Ingeniera Industrial
Investigacin Operativa