Professional Documents
Culture Documents
Agenda
1. Problema de Inventario
– Revisión periódica con demanda estocástica
2. Formulación (Matricial) de Cadenas de Markov
3. Dinámica de Sistemas
4. Propiedad markoviana aplicado a tiempos
5. Proceso de Nacimiento y Muerte
Agenda
• Una cadena de Markov es una serie de eventos, en la cual la probabilidad
de que ocurra un evento depende del evento inmediato anterior. En efecto,
las cadenas de este tipo tienen memoria, "Recuerdan" el último evento y
esto condiciona las posibilidades de los eventos futuros.
• Esta dependencia del evento anterior distingue a las cadenas de Markov de
las series de eventos independientes, como tirar una moneda al aire o un
dado.
• En los negocios, las cadenas de Markov se han utilizado para analizar los
patrones de compra, los deudores morosos, para planear las necesidades
de personal y para analizar el reemplazo de equipo.
• El análisis de Markov, llamado así en honor de un matemático ruso que
desarrollo el método en 1907, permite encontrar la probabilidad de que un
sistema se encuentre en un estado en particular en un momento dado.
• Algo más importante aún, es que permite predecir el comportamiento del
sistema a través del tiempo.
¿Qué es un proceso estocástico?
La sucesión de observaciones de las variables aleatorias S0, S1, ... se llama un
proceso estocástico o proceso aleatorio, donde:
t = 1,2,…
t 0,1, 2,...
a)
La política es que
Entonces,
1. Problema de Inventario
c) Construya la matriz de transición pij = P(St = j| St-1 = i)
St 0 1 2 3
St-1
0 P(Dt>3) P(Dt = 2) P(Dt = 1) P(Dt = 0)
1 P(Dt>1) P(Dt = 0) 0 0
P= 2 P(Dt>2) P(Dt = 1) P(Dt = 0) 0
=
3 P(Dt>3) P(Dt = 2) P(Dt = 1) P(Dt = 0)
P=
d) Construya el diagrama de transición de estados
0,184
0,080 0 0,632
1 0,368
0,264
0,080
• p
j 1
n
ij 1 i, n
2. Formulación de Cadenas de Markov
Matriz de Transición de 𝑛 pasos:
• Entonces, p(2) = p(0) P2 = [0,249 0,286 0,300 0,165 ], igual como antes
• Ahora que tenemos P2, se puede calcular p(2) para cualquier distribución inicial p(0)
2. Formulación de Cadenas de Markov
Lo mismo se puede aplicar para la matriz de transición de 4 pasos, que se puede
obtener como P(4) = P4 = P2*P2.
• Lo cual permite obtener las mismas conclusiones previas, pero para un inventario
de 4 semanas más tarde.
• En general p(n) = p(0) Pn = nos da la distribución probabilística de estado St después
de t = n pasos
2. Formulación de Cadenas de Markov
Probabilidades
n
Condicionales v/s Incondicionales
La matriz P tiene las distribuciones probabilísticas condicionales,
pij (n) = Probabilidad de que (Sn = j), dado que (S0 = i)
= P(Sn = j|S0 = i)
= p
i 0
(0)
i pij( n)
Tasa promedio
(en casos discretos se pone probabilidades)
Importancia de la distribución exponencial
d pij (t )
lij pij (0) lim li pij , j i
dt t 0 t
La interpretación intuitiva de li y lij es que son tasas de transición.
Así, l𝑖 = 1 / 𝐸[𝑇𝑖]
De manera similar, l𝑖𝑗 es la tasa de transición del estado 𝒊 al estado 𝒋 en el
sentido de que l𝑖𝑗 es el número esperado de veces que el proceso transita del
estado 𝑖 al estado 𝑗 por unidad de tiempo que pasa en el estado 𝑖.
Así, 𝜆𝑖 = σ𝑗≠𝑖 𝜆𝑖𝑗
Cada vez que el proceso entra al estado 𝑖, la cantidad de tiempo que pasará en el
estado 𝑖 antes de que ocurra una transición al estado 𝑗 (si no ocurre antes una
transición a algún otro estado) es una variable aleatoria 𝑇𝑖𝑗 , (𝑗 ≠ 𝑖)
Las 𝑇𝑖𝑗 son variables aleatorias independientes, donde cada 𝑇𝑖𝑗 tiene una
1
distribución exponencial tal que 𝐸 𝑇𝑖𝑗 =
l𝑖𝑗
El tiempo que pasa en el estado i hasta que ocurre una transición 𝑇𝑖 es el mínimo
(sobre 𝑗 ≠ 𝑖) de las 𝑇𝑖𝑗
𝜆𝑖𝑗
Cuando ocurre la transición, la probabilidad que sea al estado 𝑗 es 𝑝𝑖𝑗 =
𝜆𝑖
En resumen,
Propiedad markoviana
(carencia de memoria)
Distribución Exponencial
b) Conejo Nº 100.000:
t100000 = ( l500 )-1 + ( l501 )-1 + … +( l99999 )-1
= 1/500 + 1/501 + … + 1/99999
= 2,997 semanas
Ejercicio (Soltero a la vida)
Juanito es muy joven, y ahora se considera como “soltero a la
vida”. Sin embargo, él es siempre fiel cuando tiene polola; es
decir que él solo busca una nueva polola cuando no tiene polola.
Cuando no tiene polola, el tiempo esperado antes de que Juanito
encuentre una nueva polola es de 4 meses. El tiempo esperado
que dure una nueva relación es de 6 meses.
En cualquier momento, ¿cuál es la probabilidad que Juanito esté
pololeando?
La tasa con que Juanito gana una polola es l, pero con condición de que él
no tiene polola. Entonces la tasa promedio de ganar polola es: lp0
34
• Ejercicio (Proceso de Poisson)
a) ¿Cuál es la probabilidad de que el número de
trabajos sea cero? (Utilizando la distr. exponencial)
T1 = tiempo para la primera llegada (variable aleatoria)
λ = tasa esperada para una próxima llegada = 2 llegas/hora
Nota que E(T1) = 1/ λ horas,
(igual como en el ejemplo anterior)
t = tiempo total para reparar la máquina = 3 horas
1 1 e lt
e lt e 6 35
• Ejercicio (Proceso de Poisson)
a) ¿Cuál es la probabilidad de que el número de
trabajos sea cero? (Utilizando la distr. Poisson)
X = Cantidad de llegadas durante los tres horas (variable aleatoria)
= Cantidad esperada de llagadas durante los tres horas = λt ≠ λ
= (2 llegadas por hora) (3 horas)
= 6 llegadas
Según la pmf de la Poisson,
P X x
x e
l t x e l t
x! x!
(Muchas veces, los formularios utilizan lambda en vez theta. Cuídense por está
ambigüedad).
0e
Bueno, el resultado anterior sale inmediatamente P X 0 e e 6
0!
36
• Ejercicio (Proceso de Poisson)
b) ¿Cuál es la probabilidad de que el número de
trabajos sea dos? (Utilizando la distr. exponencial)
T1 = tiempo para la primera llegada
T2 = tiempo entre la primera y la segunda llegada
T3 = tiempo entre la segunda y la tercera llegada
λ = tasa esperada para una próxima llegada = 2 llegas/hora
Nota que E(T1) = E(T2) = E(T3) = 1/ λ horas,
t = tiempo total para reparar la máquina = 3 horas
Probabilidad de que haya dos llegadas = P( T1 < t , T2 < t-T1 , T3 > t-T2-T1 )
t t T1
le le le dT dT dT
lT1 lT2 lT3
3 2 1
0 0 t T1 T2
(Cuídense de los límites de integración)
37
• Ejercicio (Proceso de Poisson)
b) ¿Cuál es la probabilidad de que el número de
trabajos sea dos? (Utilizando la distr. exponencial)
Probabilidad de que haya dos llegadas
t t T1
le le le dT dT dT
lT1 lT2 lT3
3 2 1
0 0 t T1 T2
t t T1
l3 e lT1 e lT2 dT3dT2dT1
e lT3
0 0 t T1 T2
t T1
t
l2 e lT1 e lT2
e lT1 lT2 lt
0 dT2 dT1
0 0
t t T1
0 0
l2e lt t T1dT1
0
t T1
t
l2 e lT1 elT1 lt dT2dT1 l2 e lt t 2 12 t 2
0 0
t t T1
l2 e lt dT2dT1
lt 2 e lt
0 0
2
t t T1
l2e lt dT2dT1 6 2 e 6
0 0
18e 6
2 39
• Ejercicio (Proceso de Poisson)
b) ¿Cuál es la probabilidad de que el número de
trabajos sea dos? (Utilizando la distr. Poisson)
x e
P X x
x!
2e 62 e 6
P X 2 18e 6
2! 2
40
• Ejercicio (Proceso de Poisson)
c) ¿Cuál es la probabilidad de que el número de trabajos
sea cinco? (Utilizando la distr. Exponencial)
Probabilidad de que haya cinco llegadas
= P( (T1 < t) , (T2 < t - T1), (T3 < t - T1 - T2), (T4 < t - T1 - T2 - T3), (T5 < t - T1 - T2 - T3 - T4), (T6 > t - T1 - T2 - T3 - T4 - T5 ) )
t t T1 t T1 T2 t T1 T2 T3 t T1 T2 T3 T4
l e i1 i dT6 dT5 dT4 dT3 dT2 dT1
6
6 l
T