Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Ô
|
@
Propiedad 1:
El tiempo en que el proceso se mantiene en un estado
particular debe ser memoryless.
En el caso de un proceso de parámetro continuo esta
distribución es una exponencial, en la cual su parámetro
puede variar a través de los distintos estados.
En el caso de un proceso de parámetro discreto esta
distribución es una geométrica, al igual que en el caso
continuo su parámetro puede variar a través de los
distintos estados.
`
Ô
|
@
Propiedad 2:
La transición al siguiente estado sólo depende de las
condiciones del estado actual.
Definición formal :
Un proceso estocástico con:
- t1<t2<t3<.....<tn<tn+1
- {x1,x2,x3,.....,xn,xn+1}
Cumple la propiedad 2 si:
P[X(tn+1) = xn+1| X(t1)=x1, X(t2)=x2,......, X(tn)=xn]
=P[X(tn+1) = xn+1| X(tn)=xn]
ë
Ô
|
|
@
[
Ô
|
|
@
En|
este documento se
describirá en
profundidad este tipo
Î de cadenas.
| @
|
Î @
|
å
|
|
ü
|
|
A
|
|
|
|
Representación gráfica:
Es posible representar una cadena de Markov por un grafo.
Cada nodo representa a un elemento del espacio muestral.
Cada arco dirigido representa a la probabilidad de transición
Pij ( desde i a j) asociada al par de estados que conecta (i , j)
@
@
@
@
@ @
* @
@
@ ]
|
|
Matriz de Probabilidad de Transición:
M Õ
Õ
M Õ
Õ
*
M
ù equivalentemente, el p p p puede
representarse en forma matricial de la siguiente
manera:
M ` ë [ å
M
`
P=
ë
[
å
MM
|
|
Matriz de Probabilidad de Transición:
1. @o * or*
M`
|
|
Matriz de Probabilidad de Transición:
2. U
o *
o *
*
* *
M[
M
El p © p p puede representarse en forma de
tabla de la siguiente manera:
² En la posición (i,j) de la matriz se coloca la probabilidad de
transitar desde el estado i al estado j
* M ` ë [ å
]A ë
M
`
ë
P=
[
å
Må
o
M
El p © p p :
* *
* * *
**
Matriz de @ p p p entre estados:
M ` ë [ å
M ]A ë
` ]å å
P= ë A ]ë
[ M
å M
Mü
|
o o * *
MA
|
U
*
i
Pero lo que se está buscando es una forma más general de
expresar esta probabilidad.
M]
|
|) *
*+
E1
E2
i f
E3
El
`
|
|) *
*+
@ r @È r - r
`M
|
|) *
*+
U
È
Ü
``
|
|) *
*+
E1
E2
i f
E3
El
a q b
`ë
|
|) *
*+
@
Ü
È È
r @ r - r @ r - r r
`[
|
|) *
*+
@
È È
r @ r - r @ r - r
Ü Ü
@ r@ @
`å
|
|) *
*+
i
`ü
|
|) *
*+
E1
E2
i f
E3
El
a q b
m n
`A
|
|) *
*+
`
|
|) *
*+
`]
|
|) *
*+
Descomponiendo:
@ r @ @
r
@ r
ë
|
|) *
*+
`
È
ëM
|
|) *
*+
@ r r @
ë`
|
|) *
*+
r
r
ëë
|
|) *
*+
0
U È
Ô
È
È
ë[
|
|) *
*+
p(3)if = *
ëå
|
|) *
*+
ë
@
r @@
r @@
8
ë
@ r
ëü
|
|) *
*+
l
@ r@
ëA
|
,
ë
|
,
Î
Î
ë]
|
"Î
Ejemplo:
*
Este vector indica la probabilidad de estar en
cualquiera de los estados de la cadena después
de pasos, con la condición inicial * ( que
define el estado en el cual se inicia el proceso).
[
|
"Î
[M
|
"Î
(3)
* (4)
[`
|
"
Definición:
Î V r Î i
V
[ë
|
"
Definición:
r Î r Î r M`
[[
|
"
Ejemplo:
Se dispone de 4 módulos de atención que
se van activando secuencialmente a
medida que la cantidad de usuarios que Central
deben ser atendidos aumenta. Telefónica
Cada módulo tiene un máximo de
usuarios a los que puede entregar
servicio.
Cuando un módulo está completamente
utilizado, entra en servicio el siguiente
módulo.
Si un módulo deja de ser utilizado, el
G1 G2 G3 G4
módulo se desactiva temporalmente,
quedando en servicio los módulos
anteriores. [å
|
"
Ejemplo:
Ônteresa conocer:
¿Cuál es la probabilidad de que Central
cada módulo esté en uso?. Telefónica
Es decir, se desea conocer,
con que probabilidad se utiliza
cada módulo, en cualquier
instante de tiempo.
G1 G2 G3 G4
[ü
|
"
Ejemplo:
[A
|
"
Ejemplo:
Desde el 3 al 1: 0 Desde el 4 al 1: 0
Desde el 3 al 2: 0.3 Desde el 4 al 2: 0
Desde el 3 al 3: 0.1 Desde el 4 al 3: 0.5
Desee el 3 al 4: 0.6 Desee el 4 al 4: 0.5
[
|
"
Ejemplo:
0.2 0.1
1 2 3 4
0.4 0.3 0.5
[]
|
"
Ejemplo:
r ÈÎ Î Î Î
å
|
"
Ejemplo:
Considerando las ecuaciones matricial:
r *
*
*
*
r *
*
*
*
r @
r * * * *
r *
*
* å
* å
En estado estacionario la
probabilidad de estar en
estado i en el paso n, es igual
a la probabilidad de estar en
estado i en el paso n+1
Condición de probabilidades totales
r
åM
|
"
Ejemplo:
* *
*
* å
*
å`
|
"
Ejemplo:
å[
{
åå
{
Definición de estados:
² Estado 1: Estar en primer año.
² Estado 2: Estar en segundo año.
² Estado 3: Estar en tercer año.
² Estado 4: Estar en cuarto año.
² Estado 5: Egresar del establecimiento.
² Estado 6: Retirarse del establecimiento.
åü
{
1 2 3 4
6 5
åA
{
0.01
6 0.03 5
1 1
å]
Ejemplo:
` ]A M
0.03 0.04 0.01
ë ]å `
0.02
0.97 0.95 0.94 [ ][ `
1 2 3 4 @r
0.02 0.96 M ]ü ë
0.02
0.01 M
6 0.03 5
M
1 1
ü
|
Ejemplo:
üM
|
"Î
Ejemplo:
@
M
M
@
M
ü`
|
{
@
Dos Posibles estados:
² 0 Llueve
² 1 No llueve
Supuesto:
El tiempo de mañana sólo depende del de Hoy.
Llueve Hoy ð Prob. que llueva mañana
ð
No llueve Hoy Prob. que llueva mañana
üë
|
{
@
*
La matriz de transición P queda:
*
Gráficamente:
*
ü[
|
{
@
Sea la probabilidad que llueva hoy de 0.2
* *
@r
* *
¿Cual es la Probabilidad incondicional de que
mañana llueva?
üå
|
{
@
Aplicando el Teorema de Probabilidades Totales:
Sea f : Probabilidad incondicional de que
lloverá mañana.
f = P(mañana lloverá /hoy llueve) +
P(mañana lloverá /hoy no llueve)
f * ** *
*
f * * *
* *
üü
|
{
@
En el caso General:
È * È
*
* *
*
*
üA
|
{
@
Si a = 0.7 y b = 0.4, entonces la probabilidad límite
que lloverá será:
* r
r
es decir:
rÈ * r È
ü