Sei sulla pagina 1di 13

25/09/2018

INTERPRETACIÓN MATRIZ DE PROBABILIDADES DE TRANSICIÓN

Suponga ahora que el modelo del mercado de acciones se cambia de manera que el
que una acción suba o no mañana depende de si subió o no hoy y ayer. En particular,
si la acción subió los dos días, ayer y hoy, la probabilidad que suba mañana es 0,9.
Si la acción subió hoy, pero ayer bajó, mañana subirá con probabilidad de 0,6.
Si la acción bajó hoy, pero ayer subió, entonces mañana subirá con probabilidad de
0,5.
Por último, si bajó durante estos dos días, la probabilidad de que mañana suba es 0,3.
Si se define el estado como la representación del hecho de que la acción baja o sube
hoy, el sistema ya no es una cadena de Markov. Sin embargo, se puede transformar
en una cadena de Markos si se define los siguientes estados:

Estado 0: la acción aumentó hoy y ayer. 0.9 0 0.1 0 


Estado 1: la acción aumentó hoy y ayer bajó. 0.6 0 0.4 0 
Estado 2: la acción bajó hoy y ayer aumentó P 
Estado 3: la acción bajó hoy y ayer  0 0.5 0 0.5
 
 0 0.3 0 0.7 27

EJEMPLO DE USOS DE LAS CADENAS DE MARKOV

Una tienda de cámaras tiene en almacén un modelo especial de cámara que


se puede ordenar cada semana. Sean D1, D2,…...las demandas de esta cámara
durante la primera, segunda,…. semana respectivamente. Se supone que las
Di son variables aleatorias independientes e idénticamente distribuidas que
tienen una distribución de probabilidad conocida. Sea X0 el número de
cámaras que se tiene en el momento de iniciar el proceso, X1 el número de
cámaras que se tienen al final de la semana uno, X2 el número de cámaras
que se tienen al final de la semana dos, etc.

Suponga que X0 = 3. El sábado en la noche la tienda hace un pedido que le


entregan el lunes en el momento de abrir la tienda. La tienda usa la siguiente
política (s, S) para ordenar: si el número de cámaras en inventario al final de
la semana es menor que s = 1 (no hay cámaras en la tienda), ordenar (hasta)
S = 3. De otra manera, no coloca la orden (si se cuenta con una o más
cámaras en el almacén, no se hace el pedido).

28

1
25/09/2018

EJEMPLO DE USOS DE LAS CADENAS DE MARKOV

Se supone que las ventas se pierden cuando la demanda excede el


inventario. Entonces, {X1} para t = 0, 1, … es un proceso estocástico de la
forma que se acaba de describir. Los estados posibles del proceso son
enteros 0, 1, 2, 3 que representan el número posible de cámaras en
inventario al final de la semana (antes de ordenar más).

29

EJEMPLO DE USOS DE LAS CADENAS DE MARKOV

𝜆𝑘 𝑒 −𝜆
𝑃 𝐷𝑡 = 𝑘 = 𝑠𝑖 𝑘 ∈ {0,1, … }
𝑘!
30

2
25/09/2018

EJEMPLO DE USOS DE LAS CADENAS DE MARKOV

EJEMPLO DE USOS DE LAS CADENAS DE MARKOV

32

3
25/09/2018

EJEMPLO DE USOS DE LAS CADENAS DE MARKOV

33

EJEMPLO DE USOS DE LAS CADENAS DE MARKOV

34

4
25/09/2018

Ley de Probabilidades para los Estados del Sistema


en cualquier instante t
Cual es la probabilidad de que en este momento hayan 0, 1,
2 o 3 cámaras en inventario?, es decir cual es la ley de
probabilidades inicial del sistema?
𝜋 0 = 𝜋0 0 , 𝜋1 0 , 𝜋2 0 , 𝜋3 0 =?

𝜋 0 = {0,0,0,1}

Cual es la probabilidad de que una semana después hayan 0,


1, 2 o 3 cámaras en inventario?, es decir cuales son las leyes
de probabilidad para los estados del sistema una semana
después?
𝜋 1 = 𝜋0 1 , 𝜋1 1 , 𝜋2 1 , 𝜋3 1 =?

𝜋 1 = 𝜋 0 𝑃10
35

Ley de Probabilidades para los Estados del Sistema


en cualquier instante t
Cual es la probabilidad de que una semana después hayan 0,
1, 2 o 3 cámaras en inventario?, es decir cuales son las leyes
de probabilidad para los estados del sistema una semana
después?
𝜋 1 = {𝜋0 1 , 𝜋1 1 , 𝜋2 1 , 𝜋3 1 }

0.080 0.184 0.368 0.368


0.632 0.368 0.000 0.000
𝜋 1 =𝜋 0 𝑃10 = 0 0 0 1 0.264 0.368 0.368 0.000
0.080 0.184 0.368 0.368
𝜋 1 = {0.08,0.18,0.37, 0.37}

Probabilidad de que una semana después el inventario se haya agotado


36

5
25/09/2018

Ley de Probabilidades para los Estados del Sistema


en cualquier instante t
Cual es la probabilidad de que dos semanas después hayan
0, 1, 2 o 3 cámaras en inventario?, es decir cuales son las
leyes de probabilidad para los estados del sistema dos
semanas después?
𝜋 2 = {𝜋0 2 , 𝜋1 2 , 𝜋2 2 , 𝜋3 2 }

37

LA MATRIZ P(n) Y LOS ÁRBOLES DE DECISIÓN


0.080 0
0.184 1
0.080 0 0.368
2
0.369
3
0.632 0 𝑷𝒊𝒋 es estacionaria
0.368 1
0.184 Suponga que la
1 0
0
2 probabilidad 𝑷𝒊𝒋 =
3 𝑷(𝒙𝒕+𝟏 = 𝒋 𝑿𝒕 = 𝒊) es
0 0.2640 igual para cualquier t, es
0.3681 decir que 𝑷𝒊𝒋 son
0.368 2
0.368 probabilidades
2
0 constantes que no
3
0.0800 dependen de t
0.1841
0.368
3 0.368
2
0.369
3
t=0 t=1 t=2

6
25/09/2018

LA MATRIZ P(n) Y LOS ÁRBOLES DE DECISIÓN


0.080 0
0.184 1
0.080 0 0.368 2
𝑃00 = 0.080 ∗ 0.080
2
0.369
3
+ 0.184 ∗ 0.632
0.632 0 + 0.368 ∗ 0.264
0.368 1 + 0.368 ∗ 0.080
0.184
1 0 = 0.249
2
0
3
0 0.264 0 2 2
𝑃01 =? 𝑃01 = 0.285
0.368 1
0.368 2
0.368 2 2
2 𝑃02 =? 𝑃02 = 0.300
0
3
0.080 0 2 2
𝑃03 =? 𝑃03 = 0.165
0.184 1
0.368
3 0.368
2
0.369
3
t=0 t=1 t=2

LA MATRIZ P(n) Y LOS ÁRBOLES DE DECISIÓN

Si se simbolizan los elementos de la matriz P(2) como:

0 1 2 3
2 2 2 2
0 𝑃00 𝑃01 𝑃02 𝑃03
P(2) = 1
2
3

7
25/09/2018

LA MATRIZ P(n) Y LOS ÁRBOLES DE DECISIÓN


0.080 0
0.184 1
0.632 0 0.368 2
𝑃10 = 0.632 ∗ 0.080
2
0.369
3
+ 0.368 ∗ 0.632
0.632 0 + 0 ∗ 0.264
0.368 1 + 00 ∗ 0.080
0.368
1 0 = 0.283
2
0
3
1 0.264 0 2
𝑃11 =?
0.368 1
0 2 0.368 2
2 𝑃12 =?
0
3
0.080 0 2
𝑃13 =?
0.184 1
0
3 0.368
2
0.369
3
t=0 t=1 t=2

LA MATRIZ P(n) Y LOS ÁRBOLES DE DECISIÓN

Si se simbolizan los elementos de la matriz P(2) como:

0 1 2 3
2 2 2 2
0 𝑃00 𝑃01 𝑃02 𝑃03
P(2) = 1 2
𝑃10 2
𝑃11 2
𝑃12 2
𝑃13
2 2 2 2
2 𝑃20 𝑃21 𝑃22 𝑃23
2 2 2 2
3 𝑃30 𝑃31 𝑃32 𝑃33

8
25/09/2018

LA MATRIZ P(n) Y LOS ÁRBOLES DE DECISIÓN

MATRIZ DE 0.080 0.184 0.368 0.368


TRANSICIÓN P= 0.632 0.368 0.000 0.000
DE UN PASO 0.264 0.368 0.368 0.000
0.080 0.184 0.368 0.368

P. P = ?
0.080 0.184 0.368 0.368 0.080 0.184 0.368 0.368
0.632 0.368 0.000 0.000 0.632 0.368 0.000 0.000
×
0.264 0.368 0.368 0.000 0.264 0.368 0.368 0.000
0.080 0.184 0.368 0.368 0.080 0.184 0.368 0.368

P(2)= P. P = 0.249 0.285 0.300 0.165


0.283 0.252 0.233 0.233
0.351 0.319 0.233 0.097
0.249 0.285 0.300 0.165

IMPLICACIONES DEL SUPUESTO DE LAS


PROBABILIDADES ESTACIONARIAS

(1) (n )
Si pij , es decir pij , es estacionaria entonces pij
también es estacionaria ó no cambia con el tiempo.

(n )
pij  Probabilidad P(Xt+n=j / Xt=i) y se le conoce como
probabilidad de transición de n pasos.

En el curso se tomará como válido el supuesto de las


probabilidades de transición estacionarias.

44

9
25/09/2018

Ley de Probabilidades para los Estados del Sistema


en cualquier instante t
Habíamos concluido que la ley de probabilidades de los
estados después de una semana es:
𝜋 1 = 𝜋 0 𝑃10
Esta generalización puede ir más allá considerando que

𝜋 2 = 𝜋 1 𝑃21 = 𝜋 0 𝑃10 𝑃21 𝑷𝒊𝒋 transitoria 𝑃10 = 𝑃21

Por lo tanto

𝜋 2 = 𝜋 0 × 𝑃 × 𝑃 = 𝜋 0 × 𝑃(2)

Esta generalización puede ir más allá

𝜋 𝑛 = 𝜋 0 × 𝑃 (𝑛) 45

Ley de Probabilidades para los Estados del Sistema


en cualquier instante t
Ley de Probabilidades a priori para el estado de sistema en
un instante futuro n, y se observa que depende
exclusivamente de la Ley Inicial π (0) y del conjunto de
Matrices de Transición de un paso P

𝜋 𝑛 = 𝜋 0 × 𝑃 (𝑛)

La Ecuación de Chapman-Kolmogorov corresponde a una


generalización de la ecuación y afirma que: dados tres
instantes de tiempo cualquiera n, k y m, tal que n ≤ k ≤ m, se
cumple siempre que:

46

10
25/09/2018

PROBABILIDAD DE PRIMERA PASADA


0.080 0
0.184 1
0.080 0 0.368
2
0.369
3
0.632 0
0.368 1
0.184 Cual es la probabilidad
1 0
2 de que el inventario se
0
3 agote por primera vez
3 0.264 0 luego de transcurridas
0.368 1 dos semanas?
0.368 2
0.368
2
0
3
0.080 0
0.184 1
0.368
3 0.368
2
0.369
3
t=0 t=1 t=2

PROBABILIDAD DE PRIMERA PASADA


0.080 0
0.184 1
0.080 0 Cual es la probabilidad
0.368
2 de que el inventario se
0.369 agote por primera vez
3
0.632 0 luego de transcurridas
0.368
0.184 1 dos semanas?
1 0
2
0 𝒇𝟐𝒊𝒋 probabilidad de pasar
3
3 0.264 por primera vez del
0
0.368 estado i al j después de
0.368 2 1 n periodos
0.368
2
0
3
0.0800 𝒇𝟐𝟑𝟎
0.1841
= 𝟎. 𝟏𝟖𝟒)(𝟎. 𝟔𝟑𝟐
0.368
3 0.368 + 𝟎. 𝟑𝟔𝟖)(𝟎. 𝟐𝟔𝟒
2
0.369 + 𝟎. 𝟑𝟔𝟖 𝟎. 𝟎𝟖𝟎
3
t=0 t=1 t=2 = 𝟎. 𝟐𝟒𝟑𝟎

11
25/09/2018

PROBABILIDAD DE PRIMERA PASADA


0.080 0
0.184 1
0.080 0 Cual es la probabilidad
0.368
2 de que el inventario se
0.369 agote por primera vez
3
0.632 0
luego de transcurridas
0.368 1
0.184 dos semanas?
1 0
2
0
3
3 𝒇𝟐𝟑𝟎
0.264 0
= 𝑷𝟐𝟑𝟎 − (𝟎. 𝟎𝟖𝟎)(𝟎. 𝟎𝟖𝟎)
0.368 1
0.368 2 = 𝟎. 𝟐𝟒𝟑𝟎
0.368
2
0
3
0.080 0 𝒇𝟏𝟑𝟎 = 𝟎. 𝟎𝟖𝟎 = 𝑷𝟏𝟑𝟎
0.184 1
0.368
3 0.368
2 𝒇𝟐𝟑𝟎 = 𝑷𝟐𝟑𝟎 − 𝒇𝟏𝟑𝟎 𝑷𝟏𝟎𝟎
0.369
3 = 𝟎. 𝟐𝟒𝟑𝟎
t=0 t=1 t=2

PROBABILIDAD DE PRIMERA PASADA

Probabilidad de primera transición de un estado a otro.


probabilidad de pasar por primera vez del estado
i al j después de n periodos

Teniendo en cuenta que

Se tiene

Generalizando
52

12
25/09/2018

TIEMPOS DE PRIMERA PASADA

Probabilidad de primera transición de un estado a otro.


probabilidad de pasar por primera vez del estado
i al j después de n periodos

Teniendo en cuenta que

Se tiene

Generalizando

53

13

Potrebbero piacerti anche