Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Clase Nro. 04
Cadenas de MARKOV
Ejemplo Nro. 01
Considere un agricultor que tiene un viejo tractor que muy a menudo se
encuentra en el taller de reparación donde toma un día repararlo. Se
ha observado que el primer día que el tractor deja el taller funciona
bastante bien, pero pasado cierto tiempo tiene un 10% de
probabilidad de fallar y de ser regresado al taller. Sean X0, X1, ... las
variables aleatorias que indican la condición diaria del tractor, donde
͞1͟ denota que el tractor está trabajando y ͞0͟ que está
descompuesto. Entonces decimos que X0, X1, ... es una cadena de
Markov con espacio de estado = {0, 1} y con matriz :
P= 0 0 1
1 0.1 0.9 1.0 0.9
o gráficamente 0 1
0.1
(Cada estado está representado por un circulo mientras que las
probabilidades de transición por flechas)
Ejemplo Nro. 02
Un proceso de manufactura consiste de dos fases sucesivas. Después
de la primera fase, 20% de las partes deben ser re-trabajadas, 10 % de
las partes son eliminadas y 70% pasan a la segunda fase. Después de
la etapa 02, 5% de las partes deben ser regresadas a la primera fase,
10% deben ser re-trabajadas y 5% eliminadas; las restantes partes son
vendidas. El diagrama se ilustra este proceso de manufactura.
0.05 La matriz de Markov
asociada a este proceso de
Buenas
manufactura está dada por:
0.1
1 2 s g
0.7 0.8
Etapa 01 Etapa 02 1 0.2 0.7 0.1 0.0
2 0.05 0.1 0.05 0.8
0.05 P =
0.2 0.1 s 0.0 0.0 1.0 0.0
Desperdicio g 0.0 0.0 0.0 1.0
Ejemplo Nro. 03
Considérese el ejemplo de las migraciones, y suponga que al inicio de la
investigación, el 35% de la población vivía en áreas urbanas, el 45% en
área suburbana, y el resto en área rural.
a) Si inicialmente una familia vive en un área rural, ¿cuál es la
probabilidad de que tres años después esta familia viva en un área
urbana?
b) ¿Cual es la probabilidad de que tres años después de iniciada la
investigación una familia viva en el área urbana?
Solución Calculando la matriz Q3, se obtiene:
Se tiene que la matriz de transición es: § 0,5399 0,3353 0,1248·
¨ ¸
urb surb rural Q 3 ¨ 0,1352 0,7593 0,1055¸
¨ 0,0967 0,1622 0,7411¸
urb § 0,80 0,15 0,05· © ¹
¨ ¸ Además, las probabilidades iniciales dan:
Q surb ¨ 0,06 0,90 0,04¸ a t (0,35 0,45 0,20 )
rural ¨ 0,04 0,06 0,90¸ Con lo cual, se obtienen a) 0,0967
© ¹
las respuestas a las
interrogantes: b) 0,2691
Ing° ROJAS ESCOBAR José Alvan Página 5 de 80
Ejemplo Nro. 01
Caso Refresco Cola.- Suponga que toda la industria de refrescos
produce dos colas. Cuando una persona ha comprado la cola 1,
hay una probabilidad de 90% de que su siguiente compra sea de
cola 1. Si una persona compró cola 2, hay 80% de probabilidades
que su próxima compra sea de cola 2.
a) Si actualmente una persona es comprador de cola 2, ¿cuál es la
probabilidad que compre cola 1 pasadas dos compras a partir de hoy?
b) Si en la actualidad una persona es comprador de cola 1, ¿cuál es la
probabilidad que compre cola 1 pasadas tres compras a partir de
ahora?
Consideraremos que las compras de cada una de las personas
son una cadena de Markov, y que el estado en cualquier
momento es el tipo de cola que compró la persona por última
vez. Por lo tanto, las compras de cola por parte de cada una de
las personas se pueden representar con una cadena de Markov
de dos estados donde:
Estado 1 = la persona acaba de comprar cola 1
Estado 2 = la persona acaba de comprar cola 2
Ing° ROJAS ESCOBAR José Alvan Página 7 de 80
ª0.781º
>0.60 0.40@ « » 0.6438
¬0.438¼
Por lo tanto, a tres compras de este momento el
64% de las personas estará comprando cola 1.
Ing° ROJAS ESCOBAR José Alvan Página 11 de 80
Ejemplo Nro. 01
Ejemplo Nro. 02
Ejemplo Nro. 03
Ejemplo Nro. 01
El departamento de estudios de mercado de una fábrica estima que el 20% de la
gente que compra un producto un mes, no lo comprará el mes siguiente.
Además, el 30% de quienes no lo compren un mes lo adquirirá al mes siguiente.
En una población de 1,000 individuos, 100 compraron el producto el primer mes.
¿Cuántos lo comprarán al mes próximo? ¿Y dentro de dos meses?
Solución
Matriz de transición
Ejemplo Nro. 03
Hay tres marcas nacionales de cerveza principales (B,M,S).
Piense en el volumen total (en galones) que se
consumieron el año pasado de estas tres cervezas. En la
gráfica se muestra la proporción del total del mercado( o
sea, la participación en el mercado) de cada marca.
Sharon Sheralik es la gerente de la fábrica que
Marca de Participación produce la cerveza B. Le gustaría recuperar su
cerveza en el posición como fabricante de cerveza número 1
mercado en la nación. Ella espera cambiar su posición
en el mercado modificando su estrategia de
B 0.3 mercado y el envase. Espera aumentar su
M 0.5 participación en el extenso mercado cervecero,
S 0.2 en tanto que conserva una ventaja entre los
jóvenes solteros. Sabe que con una nueva
campaña ganará y perderá clientes ante sus
dos competidores. Lo que Sharon necesita
es una estimación del efecto global.
Una cadena de Markov ofrece a Sharon un nuevo
modelo para analizar este problema. Para usarlo,
suponga que se puede describir el comportamiento
de un consumidor individual mediante una cadena de
Markov. Los estados del sistema son las marcas de
cerveza que los consumidores podrían comprar. Una
probabilidad de transición pij es la probabilidad de
que un cliente que compra esta vez la marca i cambie
a la marca j la próxima vez.
En la tabla siguiente se muestra la matriz de
transición de un paso para este problema. Esta
matriz indica que:1.- el 85% de la gente que compró
B la última vez, la comprará otra vez; 2.- El 10% se
aficionará a M;3.- el 5% comprará S. Las demás fila
tienen una representación similar.
La matriz de probabilidades estacionarias se puede
calcular con las ecuaciones de Chapman
Kolmogorov.
B M S
B 0.85 0.10 0.05
M 0.08 0.85 0.07
S 0.13 0.17 0.70
ۍ0.85 0.1 0.05 ۍ ې0.85 0.1 0.05 ې ۍ0.737 0.1785 0.0845 ې
ێ ێ ۑ ۑ ێ ۑ
P(2)= =
ێ0.08 0.85 0.07 ێ ·ۑ0.08 0.85 0.07 ۑ ێ0.1451 0.7424 0.1125 ۑ
ێ ێ ۑ ۑ ێ ۑ
ۏ0.13 0.17 0.7 ۏ ے0.13 0.17 0.7 ے ۏ0.2151 0.2765 0.5084 ے
ۍ0.85 0.1 0.05 ې ۍ0.737 0.1785 0.0845 ې ۍ0.651715 0.23979 0.108495 ې
ێ ۑ ێ ۑ ێ ۑ
ێ0.08 0.85 0.07 ۑX ێ0.1451 0.7424 0.1125 = ۑ ێ0.197352 0.664675 0.13797 ۑ
P(3)=
ێ ۑ ێ ۑ ێ ۑ
ۏ0.13 0.17 0.7 ے ۏ0.2151 0.2765 0.5084 ے ۏ0.2710469 0.34296 0.3859 ے
ې 0.85 0.1 0.05ۍ 0.651715ۍ ې 0.23979 0.108495
ێ ۑ ێ ۑ
0.197352ێ Xۑ 0.08 0.85 0.07ێ =)P(4 ۑ 0.664675 0.13797
ێ ۑ ێ ۑ
ے 0.13 0.17 0.7ۏ 0.2710469ۏ ے 0.34296 0.3859
ې 0.5872452999 0.2874371499 0.1253175499ۍ
ێ ۑ
=)P(4 ۑ 0.2388596899 0.6081643600 0.1529759499ێ
ێ ۑ
ے 0.3080056899 0.3842415499 0.3077527599ۏ