PROGRAMACION ESTOCASTICA

PROYECTO GRUPAL
PRIMERA ENTREGA

PAULA MELISSA GUALTERO OVALLE. COD: 1721980192

DIEGO LEONARDO BERMÚDEZ BAHAMÓN COD: 1511021850

WILLIAM HADHER BUSTOS HERRAN. COD: 1721980547

JOSSELTH ANDRES RIVAS ALVAREZ COD: 1511026258

JOSE ANTONIO GARCIA PEÑA. COD: 1711980511

UNIVERSIDAD POLITECNICO GRANCOLOMBIANO

INGENERIA INDUSTRIAL

BOGOTA D.C.
2019
TABLA DE CONTENIDO
1. La Logo de la empresa
2. Descripción de la empresa
3. Equipo de trabajo
4. Anexo
5. Referencias bibliográficas
LOGO DE LA EMPRESA:

MIGABU Optimización y Programación

DESCRIPCION DE LA COMPAÑÍA

Quienes somos
MIGABU optimización y programación es una empresa consultora dedicada a
la creación y programación de modelos estocásticos y estadísticos en tiempos
discretos y continuos. Aplicado a pequeñas, medianas y grandes compañías.
Contamos con un equipo de ingenieros especializados en dar soluciones
optimas para que nuestros clientes puedan tomar las mejores decisiones en
cada área de su empresa. Contamos con la mejor tecnología buscando la
optimización de los procesos y garantizando a sus clientes la toma de las
decisiones más apropiadas para la obtención de los mejores resultados.

Objetivo
Ofrecer el mejor servicio de consultoría estadística, con el cual buscamos
brindar un asesoramiento profesional para incrementar la productividad de su
organización mediante técnicas estadísticas que ayuden a lograr el
cumplimiento de objetivos y metas empresariales, además de descubrir
nuevas oportunidades en el mercado.
Misión
Ser compañía líder y expertos en la realización de estudios, diseños,
estructuración, desarrollo y supervisión integral de proyectos.
Visión
Ser reconocidos dentro de nuestro sector de actividad como una empresa que
mantiene relaciones estables y duraderas con nuestros clientes.
EQUIPO DE TRABAJO

Director General

Paula Gualtero

Gerente Comercial Coordinador Departamento de

& Marketing Informático Financiación
Diego Bermudéz Josselth Rivas JOSE GARCIA

Proyectos y
Diseño Nomina
tecnologia
Profesional I William Bustos Profesional III

Paula Gualtero: directora de operaciones.

Diego Bermúdez: Analista de datos con experiencia en recopilación y
tabulación de datos, con capacidades para la recursividad en la obtención de
información y presentación de informes en diferentes áreas de estudio.
Josselth Rivas: Coordinador informático, Ingeniero industrial con experiencia
en manejo de las TIC, con capacidades de administración de mecanismos
comunicación y estándares relativos al proceso de desarrollo de productos y
servicios de las TIC.
William Bustos: Ingeniero Industrial con énfasis en estadística, experto en
recolección confiable de datos para la producción, analizando los mismos y
convirtiéndolos en información para la ejecución y toma de decisiones
empresariales.
José García: ingeniero industrial con experiencia administrativa, encargado de
administrar Coordinar, supervisar y controlar las actividades administrativas
de tesorería, nómina, contabilidad y control de bienes. Coordinar y dirigir las
actividades relacionadas con el registro y control de la movilización y
establecer los planes y programas a desarrollar en área financiero contable.
Los recursos monetarios con los que operamos en la empresa. Brindando
confianza y eficiencia
Paula Ovalle: ingeniera industrial con una especialización en gerencia de
proyectos, encargada de formular planes, organizar, mandar, coordinar
estrategias y programas de desarrollo que permitan alcanzar el objetivo de
la organización a nivel de diversas disciplinas y talentos los cuales conforman
la empresa, como directora tengo tres funciones principales: velar por las
relaciones interpersonales, tramite información y toma decisiones.

En este caso en específico, nuestra compañía se encargará del modelamiento

de un proceso estocástico de comprobación de seguidores en la red social de
Facebook, de los pilotos de la formula 1 a través de la utilización de cadenas
de Márkov de tiempo discreto, la cual es modelada a partir de:

 Cadenas de Márkov: Una cadena de Márkov consta de unos estados E1

E2 E3 E4…..En. que inicialmente en un tiempo 0 o paso 0 se le llama
estado inicial, además de esto consta de una matriz de transición que
significa la posibilidad de que se cambie de estado en un próximo tiempo
o paso.
Los procesos de paseo aleatorio en realidad son un caso particular de
procesos más generales que son las cadenas de Markov. En esencia, una
cadena es un proceso en tiempo discreto en el que una variable aleatoria
como lo podríamos influenciar en nuestra empresa MIGABU
OPTIMIZACION Y PROCESO el cual va cambiando con el paso del tiempo.
 Matriz de transición: Una matriz de transición para una cadena de
Márkov de n estado es una matriz de n X n con todos los registros no
negativos y con la propiedad adicional de que la suma de los registros
de cada columna (o fila) es 1.
Este proceso es estacionario en sentido estricto si la función de
distribución conjunta de cualquier subconjunto de variables es
constante respecto a un desplazamiento en el tiempo. Se dice que un
proceso es estacionario en sentido amplio (o débilmente estacionario)
cuando se verifica que:

1. La media teórica es independiente del tiempo, y

2. Las autocovarianzas de orden s sólo vienen afectadas por el
lapso de tiempo transcurrido entre los dos periodos y no
dependen del tiempo.

 Variable de estado: Descripción de cómo va cambiando la cadena de

Márkov. Variable transición de cada una de las probabilidades de la
matriz que indican la probabilidad de acceder al perfil de un piloto,
desde el perfil del piloto que se está viendo en determinado momento.

Se puede identificar el valor de una función de estado o variable de

estado el cual sólo depende de sí mismo en cierta forma, probabilidad
que es constante a lo largo del tiempo. Por ejemplo

Para visualizar mejor este concepto pensemos en el ejemplo de sortear

tres monedas: el número de caras que se obtiene es una variable
estocástica ; los resultados posibles son , cada uno con
diferente probabilidad. Vemos claramente que el número de caras no
tiene un valor prefijado, y para determinarlo es necesario realizar el
“experimento”. A lo sumo podemos decir cuál será el resultado menos
probable, o cuántas caras obtenemos en promedio al cabo de muchos
experimentos.
  Espacio de estado: Indica los posibles valores de la variable de estado,
en este caso es listado de los 24 pilotos de la F1 a estudiar.
Estos tipos de procesos son modelos en donde, suponiendo conocido el
estado presente del sistema, los estados anteriores no tienen influencia
en los estados futuros del sistema. Esta condición se llama propiedad de
Markov y puede expresarse de la siguiente forma: para cualesquiera
estados x0, x1,. . ., xn1 (pasado), xn (presente), xn1 (futuro), se cumple
como el ejemplo de 24 pilotos

MATRICES

MATRIZ DE PROBABILIDADES DE TRANSICION

B/S S/P D/R J/V P/M V/P C/P H/K T/G F/A S/V J/B F/M M/S P/DR N/H L/H K/R K/K R/G P/R N/R N/K M/W M SUMA
B/S 0,20 0,20 0,20 0,20 0,20 5 1
S/P
D/R 0,33 0,33 0,33 3 1
J/V 0,25 0,25 0,25 0,25 4 1
P/M 0,33 0,33 0,33 3 1
V/P 0,33 0,33 0,33 3 1
C/P 0,25 0,25 0,25 0,25 4 1
H/K 0,25 0,25 0,25 0,25 4 1
T/G 0,13 0,13 0,13 0,13 0,13 0,13 0,13 0,13 8 1
F/A 0,17 0,17 0,17 0,17 0,17 0,17 6 1
S/V 0,11 0,11 0,11 0,11 0,11 0,11 0,11 0,11 0,11 9 1
J/B 0,13 0,13 0,13 0,13 0,13 0,13 0,13 0,13 8 1
F/M 0,17 0,17 0,17 0,17 0,17 0,17 6 1
M/S 0,11 0,11 0,11 0,11 0,11 0,11 0,11 0,11 0,11 9 1
P/DR 0,13 0,13 0,13 0,13 0,13 0,13 0,13 0,13 8 1
N/H 0,20 0,20 0,20 0,20 0,20 5 1
L/H 0,13 0,13 0,13 0,13 0,13 0,13 0,13 0,13 8 1
K/R 0,13 0,13 0,13 0,13 0,13 0,13 0,13 0,13 8 1
K/K 0,14 0,14 0,14 0,14 0,14 0,14 0,14 7 1
R/G 0,20 0,20 0,20 0,20 0,20 5 1
P/R 0,25 0,25 0,25 0,25 4 1
N/R 0,17 0,17 0,17 0,17 0,17 0,17 6 1
N/K 0,25 0,25 0,25 0,25 4 1
M/W 0,14 0,14 0,14 0,14 0,14 0,14 0,14 7 1

Figura1: Matriz de probabilidades, Diego Bermúdez, marzo 2019.

En la imagen relacionada tabulamos inicialmente toda la información

suministrada en los perfiles de Facebook en cuanto a los contactos de amistad
por cada piloto, adicional en cada recuadro de relación se evidencia el
porcentaje de probabilidad que tiene cada contacto de que su perfil sea
visitado con relación a otros perfiles.
 MATRIZ GRUPO DE AMIGOS

B/S S/P D/R J/V P/M V/P C/P H/K T/G P/R N/K K/K F/A S/V J/B F/M M/S P/DR N/H L/H K/R R/G N/R M/W M SUMA
B/S 0,20 0,20 0,20 0,20 0,20 5 1
S/P 0
D/R 0,33 0,33 0,33 3 1
J/V 0,25 0,25 0,25 0,25 4 1
P/M 0,33 0,33 0,33 3 1
V/P 0,33 0,33 0,33 3 1
C/P 0,25 0,25 0,25 0,25 4 1
H/K 0,25 0,25 0,25 0,25 4 1
T/G 0,13 0,13 0,13 0,13 0,13 0,13 0,13 0,13 8 1
P/R 0,25 0,25 0,25 0,25 4 1
N/K 0,25 0,25 0,25 0,25 4 1
K/K 0,14 0,14 0,14 0,14 0,14 0,14 0,14 7 1
F/A 0,17 0,17 0,17 0,17 0,17 0,17 6 1
S/V 0,11 0,11 0,11 0,11 0,11 0,11 0,11 0,11 0,11 9 1
J/B 0,13 0,13 0,13 0,13 0,13 0,13 0,13 0,13 8 1
F/M 0,17 0,17 0,17 0,17 0,17 0,17 6 1
M/S 0,11 0,11 0,11 0,11 0,11 0,11 0,11 0,11 0,11 9 1
P/DR 0,13 0,13 0,13 0,13 0,13 0,13 0,13 0,13 8 1
N/H 0,20 0,20 0,20 0,20 0,20 5 1
L/H 0,13 0,13 0,13 0,13 0,13 0,13 0,13 0,13 8 1
K/R 0,13 0,13 0,13 0,13 0,13 0,13 0,13 0,13 8 1
R/G 0,20 0,20 0,20 0,20 0,20 5 1
N/R 0,17 0,17 0,17 0,17 0,17 0,17 6 1
M/W 0,14 0,14 0,14 0,14 0,14 0,14 0,14 7 1

Figura2: Matriz grupo de amigos, Diego Bermúdez, marzo 2019.

Después de capturada la información y de haber determinado la probabilidad

correspondiente para cada uno procedemos a identificar grupos claramente
marcados los cuales serán objeto de estudio durante el desarrollo del
proyecto, lo cual nos atreveríamos a realizar una posible afirmación la cual es
que estos grupos diferenciados presentan mayor cercanía entre ellos
correspondientemente, pero esto se podrá confirmar en el transcurso de la
ejecución del proyecto.

REFERENCIAS BIBLIOGRAFICAS