Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Operativa 2
CADENAS DE MARKOV
Introducción
El proceso de toma de decisiones asocia situaciones que
muestran variabilidad.
Ejemplos:
El estado del tiempo
La ruina de un jugador
Caso 1: El estado del tiempo
Ud sabe que el día 27 de marzo fue un día soleado y la
probabilidad de que el día siguiente lloviera fue de un 20%.
27 / 03 28 / 03
20%
10 / 10 11/ 10
¿p?
Caso 2: La ruina del jugador
Cierto juego tiene las siguientes características:
• Se dispone de $2 para jugar.
• Se apuesta $1 por jugada.
• En cada jugada se gana $1 o se pierde $1 (no hay empate).
• Se gana $1 con probabilidad p y se pierde $1 con
probabilidad 1 – p.
• La meta es tener la máxima cantidad de dinero posible.
1-p p
4 3
1
p
Caso 2: La ruina del jugador
Usando diagramas de árbol:
1
0
1-p 1-p
p
1 2 3
1-p p
1-p
1
2 2
1-p
p p
3 3
p
4
1-p p
4 3
Para 2 jugadas: 1 p
2 juegos 0 1 2 3 4
0 1 0 0 0 0
1 1-p p(1-p) 0 p2 0
P= 2 (1-p)2 0 2p(1-p) 0 p2
3 0 (1-p)2 0 p(1-p) p
4 0 0 0 0 1
Definición de Cadenas de Markov
• El proceso estocástico de tiempo discreto puede estar
en uno de un número finito de estados identificados por 1,
2,...,s.
• Un proceso estocástico de tiempo discreto es una
CADENA DE MARKOV sí, para t = 0,1,2,... y todos los
estados,
P(Xt+1=it+1/Xt=it) =
P(Xt+1=it+1/X0=i0, X1=i1,...Xt-1=it-1, Xt=it)
• Además para todos los estados i y j y toda t,
P(Xt+1=j / Xt=i) es independiente de t. Esta hipótesis
permite escribir:
pij = P(Xt+1=j / Xt=i)
Definición de Cadenas de Markov
• Con frecuencia se llaman probabilidades de transición
a las pij en una cadena de Markov.
1 2 3 ... S
1 p11 p12 p13 ... p1s
2 p21 p22 p23 ... P2s
P= 3 p31 p32 p33 ... P3s
... ... ... ... ... ...
S ps1 ps2 ps3 ... pss
Dado que el estado es i en el tiempo t, el proceso debe
estar en algún lugar en el tiempo t+1. Esto significa que
para cada i: Σ j=1,s P(Xt+1=j / Xt=i) = Σ j=1,s pij = 1 (pij 0)
Probabilidad de transición de n pasos
• Si una cadena de markov se encuentra en el estado i en el
tiempo m, la probabilidad que n períodos después la cadena
de markov esté en el estado j, es:
pij (n) = P(Xm+n= j / Xm=i) = P(Xn= j / X0=i)
Donde pij (1) = pij
• Las pij(n) se pueden representar en la matriz P(n):
1 2 3 ... S
1 P11(n) P12(n) P13(n) ... P1s(n)
2 P21(n) P22(n) P23(n) ... P2s(n)
P(n) = 3 P31(n) P32(n) P33(n) ... P3s(n)
... ... ... ... ... ...
S Ps1(n) Ps2(n) Ps3(n) ... Pss(n)
Probabilidad de transición de n pasos
1 2 0.75 0.75
P= 1 0.75 0.25
0.25
2 0.25 0.75 1 2
0.25
Ejemplo - solución
1 2 0.75 0.75
P= 1 0.75 0.25
0.25
2 0.25 0.75 1 2
0.25
1 2 1 2
P2 = 1 0.625
0.625 0.325 P3 = 1 0.567 0.433
2 0.325 0.625 2 0.433 0.567
Clasificación de estados de una
Cadena de Markov
Definición:
j
i
Clasificación de estados de una
Cadena de Markov
Definición:
j
i
Clasificación de estados de una
Cadena de Markov
Definición:
j
i
Clasificación de estados de una
Cadena de Markov
Definición:
j
k
i
l
Ejemplo
• Dada la siguiente matriz de transición:
1 2 3 4 5
1 0.4 0.6 0 0 0
2 0.5 0.5 0 0 0
P= 3 0 0 0.3 0.7 0
4 0 0 0.5 0.4 0.1
5 0 0 0 0.8 0.2
5 4 comunican
0.2 {1,2} y {3,4,5} son
0.4 conjuntos cerrados
0.1
Ejemplo
0 1 2 3 4
0
1 1 0 0 0 0
1 1-p 0 p 0 0
P= 2 0 1-p 0 p 0
3 0 0 1-p 0 p
4 0 0 0 0 1
Gráficamente: 1-p
1-p 1
1 p
0 2
1-p p
4 3
1
p
Clasificación de estados de una
Cadena de Markov
Definición:
i
Clasificación de estados de una
Cadena de Markov
Definición:
Definición:
1 2 3 4 5
1 0.25 0.75 0 0 0
2 0.5 0.5 0 0 0
P= 3 0 0 1 0 0
4 0 0 0.33 0.67 0
5 1 0 0 0 0
0.5 2 0.5
0.25 1 {3} es absorbente.
1 0.33 3
0.75
{4,5} son transitorios.
1
5 4 {1,2} son recurrentes.
0.67
Clasificación de estados de una
Cadena de Markov
Definición:
Definición:
1
1 Cada estado
2 tiene período 3.
1 1
3
Clasificación de estados de una
Cadena de Markov
Definición:
1 2 3
1 0.33 0.67 0
P= 2 0.50 0 0.50
3 0 0.25 0.75
0.33
1
0.67 Estados recurrentes
2
Estados aperiódicos
0.5 0.25
Se comunican entre sí.
0.5
0.75 3 La cadena de Markov
es ergódica.
Probabilidades de estado estable
Teorema:
1 2 3 ... S
1 1 2 3 ... s
2 1 2 3 ... s
lim Pn = 3 1 2 3 ... s
n ... ... ... ... ... ...
S 1 2 3 ... s
Probabilidades de estado estable
Teorema:
1 2 3 ... S
1 1 2 3 ... s
2 1 2 3 ... s
lim Pn = 3 1 2 3 ... s
n ... ... ... ... ... ...
S 1 2 3 ... s
Donde:
Cj = Inventarios
Nivel de ventas
Máquinas malogradas, etc.
Tiempos promedios de primera
pasada
En una cadena ergódica, sea ij el número esperado de
transiciones antes de alcanzar por primera vez el estado j,
dado que estamos actualmente en el estado i. ij se llama
tiempo promedio de primera pasada del estado i al estado j.
3 4 1 2 1 2
R= 1 0.5 0 Q= 1 0.4 0.1 (I - Q)-1 = 1 1.702 0.213
2 0.6 0.1 2 0.1 0.2 2 0.213 1.277
3 4
La concesión será:
(I - Q)-1R= 1 0.979 0.021 60000(0.021)
6380
2 0.872 0.128
40000(0.128)
Problemas
Resueltos:
Problema 1: Movimiento de agua
Problema 2: Venta de artesanías
Problema 3: Mercado compartido
Problema 4: Taller de producción (2 máquinas)
Propuestos:
Problema 5: seis bolas en dos urnas
Problema 6: Una rata en el laberinto
Problema 1
Movimiento de agua
Sea Xi = cantidad de agua que fluye a una represa en el
período i.
Xi tiene la siguiente función de densidad:
Xi 1 2 3 4 5 Para todo i
independientes.
F(Xi) 1/8 1/4 1/4 1/4 1/8
Capacidad de la represa: 5 unidades.
Si la represa se llena, el flujo siguiente se pierde.
Al final de un período se dejan escapar 3 unidades de agua
(si están disponibles), cc se deja escapar toda el agua.
Sea: Yt = cantidad de aguna en la represa al final del
período t, luego de dejar escapar el agua.
Problema 1
Movimiento de agua
Encontrar la matriz de probabilidades de transición.
Clasificar los estados.
Calcular las probabilidades de estado estable.
¿Cuál es el valor esperado de agua que se pierde a la larga?
Si en un período dado no hay 3 unidades de agua, ésta se
debe comprar en otra parte. ¿Cuál es el valor esperado de
este faltante por período?
Problema 2
Venta de artesanías
Producción: 1 tapiz al día (para vender al día siguiente)
II = 1, entonces: P(V=1) = 1/3
II = 2, entonces: P(V1) ½, P(V2) ¼
II = 3, entonces: P(V1) 2/3, P(V2) 1/3, P(V3) 1/5
Si II 3, el artesano no produce, sólo vende.
Hallar:
La matriz de transición asociada al proceso
La fracción promedio de tardes en que el artesano tendrá
sólo el tapiz producido durante ese día y ningún otro
Fracción de tardes en que el artesano no produce
Nivel promedio de inventario al final de un día
Problema 3
Mercado compartido
El mercado de un producto lo comparten 4 marcas. La
tabla siguiente nos muestra la distrib. Actual del
mercado compartido y el porcentaje de personas que
cambian de marca luego de compras consecutivas:
A la A la A la A la Mercado
marca 1 marca 2 marca 3 marca 4 compartid
o
De la marca 1 60 8 20 12 40%
De la marca 2 15 40 25 20 20%
De la marca 3 25 16 50 9 30%
De la marca 4 28 12 20 40 10%
Problema 3
Mercado compartido
Si en promedio se realiza una compra cada 2 meses,
realizar una predicción del mercado luego de 6 meses.
¿Cuál es la participación promerdio a largo plazo del
mercado para cada marca si los patrones actuales de
compra nose alteran?
A la A la A la A la Mercado
marca 1 marca 2 marca 3 marca 4 compartid
o
De la marca 1 60 8 20 12 40%
De la marca 2 15 40 25 20 20%
De la marca 3 25 16 50 9 30%
De la marca 4 28 12 20 40 10%
Problema 4
Taller de producción
Un taller opera dos máquinas idénticas
Cada máquina requiere de la atención del operador en
momentos aleatorios.
La probabilildad de que la máquina requiera servicio en un
período de 5 minutos es p = 0.4
El operador es capaz de dar servicio a una máquina en 5
minutos.
Una máquina requiere servicio siempre al inicio de un
intervalo de 5 minutos.
Problema 5
Seis bolas en dos urnas
Se tienen tres bolas blancas y tres bolas negras en dos
urnas (tres bolas en cada urna).
El sistema está en el estado i, i = 0,1,2,3, si la primera urna
contiene i bolas blancas.
En cada paso se saca una bola de cada urna y se
intercambian (de urnas).
Sea Xn el estado del sistema después del n-ésimo paso:
1 3
5 4
Problema 6
Una rata en el laberinto
Describir los estados y hallar la matriz de transición
correspondiente, asumir que la rata se mueve diariamente
de un compartimiento a otro (no permanece en el mismo
compartimiento dos días seguidos).
Clasificar los estados.
Hallar, para cada estado, el tiempo medio que tarda la rata
en volver a ese estado.
Determinar la probabilidad de que la rata esté en cada uno
de los correspondientes estados en el día 3, si en el día 1 se
encuentra en el compartimiento 2 .
Bibliografía
DAELLENBACH. Cap. 13, páginas 379-399. (1990)