Académique Documents
Professionnel Documents
Culture Documents
Cadenas de Markov
CADENAS DE MARKOV
Proceso estocstico de tiempo discreto con espacio de estados
finito
No se conoce el estado futuro de la variable pero se dispone de
cierta informacin probabilstica respecto a su evolucin
Estados e instantes de tiempo
INSTANTES DE TIEMPO
Sincrnicos o asincrnicos
La distribucin de probabilidad asociada difiere para cada intervalo
de tiempo definido para la variable
Xt+1=j , Xt=i,
Estado
Futuro
Estado
Actual
Xt-1=m,
Xt-2=k,..,X0=p
Estados Pasados
Pij
Xt
j / X0
Pij
k0 , X1 k1 , ..., Xt
Xt
j / Xt
kt 1 , Xt
Se busca una
herramienta
telescpica
que permita
aproximarnos
objetivamente al
futuro.
Cadenas de
Markov
Procesos de planeacin
de largo plazo
PROBABILIDADES DE TRANSICIN
A la probabilidad condicional
P(Xt+1=j/Xt=i)
se le llama
Probabilidad de Transicin
del estado i al estado j y se
simboliza con pij.
Xt+1=j , Xt=i
Estado
Futuro
Estado
Actual
pij
(1)
ij
P Xt
j / Xt
P X1
j / X0
Supuesto
Las probabilidades de
transicin no cambian con el
tiempo
(1)
(n)
pij
(n)
Pij
P00
P10
P20
P30
P40
P01
P11
P21
P31
P41
P02
P12
P22
P32
P42
P03
P13
P23
P33
P43
P04
P14
P24
P34
P44
0 / Xt 1) P(Xt 1 / Xt 1) P(Xt
2 / Xt 1) P(Xt
3 / Xt 1) P(Xt
4 / Xt 1)
EN RESUMEN
pij
(n)
i, j, n
M
2)
pij
j o
( n)
i, n
MATRICIALMENTE
n
00
n
ij
n
0M
p
... p
:
:
:
n
n
pM 0 ... pMM
Soleado y Nublado
0.4
0.3
0.6
0.7
Pt t 1
Un da
Estados
Soleado
Nublado
Soleado
0,7
0,3
Nublado
0,6
0,4
(0) P( X 0 soleado) 0
P( X 0 nublado) 1
nublado(0)
soleado
(0)
(0),
soleado
(0)
nublado
0,1
(1)
(1),
soleado
(1)
nublado
0.6, 0.4
0.7 0.3
soleado( 0 ), nublado( 0 ) *
0.6 0.4
Estado Inicial del Sistema
Matriz de
Transicin
( 1 ),
soleado
(1)
( t 1)
(n)
(1)
nublado
( 0 )xP10
( t )Ptt 1
( 0)xP10P12 .. Pnn 1
( 0 )Pn
Ejercicios de construccin de
matrices de transicin
Juego de apuestas
El Profesor
Un profesor de Modelos Estocsticos tiene tres preguntas claves en sus
exmenes y una de ellas sale en cada examen que l realiza. Los
estudiantes conocen muy bien sus extraos hbitos: l nunca utiliza la
misma pregunta en dos exmenes consecutivos. Si utiliz la pregunta
No. 1 en el ltimo examen, arroja una moneda al aire y si sale cara usa
la pregunta No. 2. Si haba usado la pregunta No. 2, arroja dos monedas
al aire y si salen dos caras, utiliza la pregunta No. 3 y, finalmente, si
haba usado la pregunta No. 3, arroja tres monedas al aire y si salen
tres caras, usa la pregunta No. 1.
Elabore la matriz de transicin de un paso para el problema descrito
anteriormente.
Costurera
Una costurera trabaja exclusivamente en una fase del proceso de
produccin de un diseo especial de prendas de vestir. Esta fase
requiere exactamente 30 minutos para terminar una prenda. Cada 30
minutos llega un mensajero a la mesa de la costurera para recoger todas
aquellas prendas que estn terminadas y para entregar las nuevas
prendas que deben ser cosidas.
El nmero de nuevas prendas que lleva el mensajero es aleatorio: 30%
del tiempo el mensajero llega sin prendas; 50% del tiempo el mensajero
trae una sola prenda para dejar y el 20% restante del tiempo el
mensajero trae dos prendas para la costurera. Sin embargo, el
mensajero tiene instrucciones de nunca dejar ms de tres prendas (si es
que las llevase) juntas no terminadas a la costurera y simplemente
llevarlas a otra costurera que s tenga capacidad.
Grupo Musical
Un estudiante que vio el curso de modelos estocsticos ha decidido dedicarse a
la msica, y junto a unos amigos form el grupo Jorge y los Markovianos.
Actualmente se limitan a tocar los fines de semana en algunos bares de la
capital, siendo una de tantas bandas desconocidas que existen en el pas.
Cada mes existe una probabilidad q que un empresario de algn sello musical
nacional los escuche y decida apoyarlos para grabar y realizar giras para cantar
de Arica a Punta Arenas. Si tal cosa ocurre pasaran a ser una banda conocida a
nivel nacional. Una banda que es conocida a nivel nacional corre el riesgo de
perder el apoyo del sello nacional que la patrocina, con lo cual volvera a ser una
banda desconocida. Cada mes, la probabilidad que esto ocurra es r.
Por otro lado, una banda conocida a nivel nacional puede llegar a llamar la
atencin del representante de un sello musical internacional, el cual podra
decidir patrocinarlos. De ser as la banda pasara a ser conocida a nivel
internacional. Cada mes existe una probabilidad s que esto ocurra (s +r < 1).
Grupo Musical
Una banda que es conocida internacionalmente nunca dejar de serlo. Sin
embargo podemos distinguir dos categoras entre ellas: las que estn de moda y
las que no. Una banda internacionalmente conocida que est de moda en un mes
dado seguir estando de moda al mes siguiente con probabilidad t. Una banda
conocida a nivel internacional que no est de moda en un mes dado pasar a
estar de moda al mes siguiente con probabilidad u. El primer mes que una banda
se hace conocida a nivel internacional nunca est de moda.
Una banda slo percibe utilidades (equivalentes a K[$]) en los meses que es
conocida internacionalmente y est de moda (parte de esas utilidades
corresponden a una satisfaccin de su ego).
Construya una cadena de Markov que represente la trayectoria de la banda de
Jorge y que permita predecir si en un mes dado percibirn utilidades o no
0.7 0.3
0.5 0.5
0.9 0 0.1 0
0.6 0 0.4 0
0 0.5 0 0.5
0 0.3 0 0.7
Ejemplo:
Considere el estado del tiempo donde el llover
maana depende si llovi o no ayer y hoy
Estado 0
Estado 1
Estado 2
Estado 3
P=
Ayer y
Hoy
0,7
0,5
0
0
0,3
0,5
0
0
0
0
0,4
0,2
0
0
0,6
0,8
0 - LL
1 - NL
2 - LN
3 - NN
1- NL
2 - LN
3 - NN
Hoy y Maana
0,5
0,5
0,4
0,7
0,2
0,3
0,6
3
0,8
P=
P=
0
0
0,4
0,2
0,3
0,5
0
0
0
0
0,6
0,8
0,49
0,35
0,20
0,10
0,12
0,20
0,12
0,16
LL
NL
0,7
0,5
0
0
0,21
0,15
0,20
0,10
LN
Hoy y Maana
0
0
0,4
0,2
0,3
0,5
0
0
0,18
0,30
0,48
0,64
NN
0
0
0,6
0,8
LL
NL Ayer
y
LN Hoy
NN
Xt
Max (3 - Dt 1 ), 0 si X t 1
Max ( X t - Dt 1 ), 0 si X t 1
= 1,
Xt
Max (3 - Dt 1 ), 0 si X t 1
Max ( X t - Dt 1 ), 0 si X t 1
P00
Xt={Max(3-Dt+1), 0}
P Dt 3 1 P Dt 0
1 - P Dt 2 P Dt 1
P Dt
0
k
Probabilidad
(1)2e(-1)/2!= 0,18394
(1)1e(-1)/1!= 0,18394
(1)0e-(1)/0!= 0.367879
e
k!
P10
Xt={Max(1- Dt), 0}
P Dt 1 1 P Dt
1 - 0,367879
0,632
P21 P D 1
Xt={Max(2-Dt), 0}
0.368
pij
(n)
pik ( m ) pkj( n
m)
i 0,1,...,M j 0,1,...,M
k o
m 1,2,...,n -1 n m 1, m 2,...
Ir del estado i al estado j en n pasos, implica que el proceso podra estar en
el estado k despus de exactamente m pasos (m < n).
Si m 1
pij
( n)
pik pkj
(n 1)
Si m n -1
pij
(n)
pik (n
k o
k o
M
Si n 2
pij (2)
pik pkj
P (2) P * P P 2
k o
(n)
(n-1)
PP
(n-1)
P P
1)
pkj
Pij
( 2)
Pij Pij
P00
P10
P20
P30
P40
P01
P11
P21
P31
P41
P02
P12
P22
P32
P42
P03
P13
P23
P33
P43
P04
P14
P24
P34
P44
P00
P10
P20
P30
P40
P01
P11
P21
P31
P41
P02
P12
P22
P32
P42
P03
P13
P23
P33
P43
P04
P14
P24
P34
P44
Y generalizando a n pasos
( n)
P00
P10
Pij Pij Pij ...... P P20
P30
n - veces
Segn la Ecuacin de P40
( n)
Pij (n)
( n)
ij
( n)
( n)
Chapman-Kolmogorov
( n)
( n)
( n)
( n)
P01
P11
P21
P31
P41
P02
P12
P22
P32
P42
P03
P13
P23
P33
P43
P04
P14
P24
P34
P44
( n)
( n)
( n)
( n)
( n)
( n)
( n)
( n)
( n)
( n)
( n)
( n)
( n)
( n)
( n)
( n)
P2
0.249
0.283
0.351
0.249
0.286
0.252
0.319
0.286
0.300
0.233
0.233
0.300
Cul es la probabilidad
P4=
0.249
0.283
0.351
0.249
0.286
0.252
0.319
0.286
P4=
0.289
0.281
0.284
0.289
0.286
0.285
0.283
0.286
0.300
0.233
0.233
0.300
0.261
0.267
0.263
0.261
0.165
0.233
0.097 *
0.165
0.164
0.166
0.171
0.164
0.249
0.283
0.351
0.249
0.286
0.252
0.319
0.286
0.300
0.233
0.233
0.300
0.165
0.233
0.097
0.165
Qu tiene de particular?
Se dice que estas son las probabilidades del estado
estable
PROBABILIDADES INCONDICIONALES
Probabilidades del estado estable
(n)
(0)
(0)P
0 (0)
1(0) ....
M (0)
pij( n )
P00(n)
.
.
.
(n)
PM0
(n)
... P0M
... .
... .
... .
(n)
... PMM
P{ X n
j } P{ X 0
M }PMjn
0.080
0.632
0.264
0.080
0.184
0.368
0.368
0.184
0.368
0.000
0.368
0.368
0.368
0.000
0.000
0.368
Se debe analizar (
simular) fila por fila
de la matriz, segn
la informacin
requerida acerca
del proceso
1
0.632
0.264
0.080
fda (funcin de
distribucin
acumulada) para
la Fila 1 y Fila 4
Resultados posibles
Xo =3
1
0.632
0.264
0.080
Simular lo que
sucedera en las
dems semanas
X1=0
X1=1
X1=2
X1=3
A
MATRIZ DE
TRANSICIN
DE UN PASO
P=
A
B
C
0.2 0.5
0.7 0.2
0.3 0.6
0.3
0.1
0.1
0.2
0.2
0.5
0.3
0.7
0.2
0.1
0.3
0.6
0.1
0.5
A
t=0
0.3
C
t=1
Transicin de t = 0 a t = 1
t=2
Transicin de t = 1 a t = 2
A
A
P(2) =
B
C
p
p
p
( 2)
AA
( 2)
BA
( 2)
CA
B
( 2)
AB
p
p
( 2)
BB
( 2)
CB
C
( 2)
AC
p
p
( 2)
BC
( 2)
CC
(2)
BA
Ahora, si se desea encontrar la probabilidad de pasar por primera vez del estado B
al estado A, despus de 2 perodos de tiempo, sta probabilidad viene dada por:
(2)
BA
(2)
BA
(2)
pBA
1
1)
f BA
p(AA
0,31 0,14 0,17
A
B
C
0.5
0.3
0.7
0.2
A
B
C
0.2
0.1
0.3
t=0
0.1
t=1
(n)
ij
(n)
ij
p
p
ij
( n 1)
ji
f
f
(2)
ij
t=2
(1)
(1)
ij
A
B
C
0.6
0.1
(2)
ij
(1)
ij
(2)
ij
(n 2)
ji
p
f
ij
...
(1)
ij
( n 1)
ij
jj
ji
f
f
(n)
ij
(n)
ij
(1)
ij
(1)
(1)
p
p
ij
(2)
ij
p
f
ij
ij
(2)
ij
( n 1)
ji
(1)
ij
(2)
ji
ji
(n 2)
ji
...
( n 1)
ij
ji
n 1
Si
n 1
Si
n 1
(n)
f ij
(n)
f ij
(n)
f ij
si
(n)
(n)
nfij
n 1
ij
nfij
n 1
(n)
si
nfij
n 1
nfij (n) 1
si
n 1
ij
pik
k j
kj
Ejemplo
P=
0.080
0.632
0.264
0.080
0.184
0.368
0.368
0.184
0.368
0.000
0.368
0.368
ij
0.368
0.000
0.000
0.368
pik
kj
k j
30
20
10
1 p31
1 p21
1 p11
10
10
10
p32
p22
p12
20
20
20
p33 30
p23 30
p13 30
qij
0,9 0,1
0,3 0,7
0,1
0,9
1
0,3
0,7
GRAFOS
Clasificacin de Estados
P=
Estados
accesibles
0
1
2
3
0
1
1-p
0
0
1
0
0
1-p
0
2
0
p
0
0
3
0
0
p
1
Estados que
se
comunican
Definicin
de Clase
Clases
recurrentes
Clases
Transitorias
Cadena de
Markov
Irreducible
Se demuestra que una Cadena Markov slo puede pasar por un estado
transitorio como mximo una cantidad finita de veces. En cambio, si visitamos
un estado recurrente, entonces lo visitaremos infinitas veces.
j k
j
i
n
n
n
j
k
k
Definicin
Una matriz de una clase se dice irreducible
1/4
1/2
0 12 12 0
P 1 1 2 14 14
2 0 1 2
3 3
0
1
P
2
3
0
1 2 3
1 1
2 2 0 0
1 1
2 2 0 0
1 1 1 1
4 4 4 4
0 0 0 1
1/2
1/2
1/4
2/3
Slo
hay una
clase
2
1/3
1/2
1/2
0
Hay
tres
clases
1/2
1/4
1/4
1/4
1/4
2
3
1
Definicin
Sea para un estado i, fii la probabilidad de que el
proceso regrese al estado i dado que comienza
en el estado i
1
2 3 4
0 1 3
4 4 0 0 0
1 1 1
2 2 0 0 0
P 2 0 0 1 0 0
3 0 0 1 2 0
3 3
4 1 0 0 0 0
Ejemplo
1/2
1/2
1
1/4
1
2
1/3
3/4
1
4
2/3
0
1
P 2
3
4
0
*
*
0
0
1
1
*
*
0
0
0
2
0
0
1
*
0
3
0
0
0
*
0
4
0
0
0
0
0
Definicin
El periodo de un estado i se define como el
entero t (t > 1) si Piin = 0 para todos los valores
de n distintos de t, 2t, 3t, /// y t es el entero ms
grande con esa propiedad
Ejemplo
0 1 2
0 0 12 12
P 1 1 0 0
2 1 0 0
Realizacin:
0 1 0
1
0
1
1/2
1/2
1
Slo hay
una clase
recurrente
con
perodo 2
2 0 2 0 1 0 2 0
0
P
0 1 0 0
1 0 12 12
2 0 1 1
2 2
0
P4
P3
0 1 2
0 0 12 12
1 1 0 0
2 1 0 0
0 1 0 0
1 0 12 12
2 0 1 1
2 2
El proceso
tiene perodo 2
P2n+1 = P
P2n = P2
Ciclos de longitud 2 B C B
Ciclos de longitud 4(B C D A B)
Ciclos de longitud 6(A B C D C B A)
MCD (2, 4, 6)= 2 ] Periodo p=2
A2
A1
A3
CADENAS ERGDICAS
a
b
0
d
0
e
0
0
Clasificacin de estados
1
a 12
2
b 0 14 0 3 4
Q c 0 0 13 0 2 3
d 14 12 0 14 0
e 13 0 13 0 13
Recurrentes
a, c, e
Transitorios
b, d
Peridicos
ninguno
Absorbentes ninguno
1/3
1/4
1/2
b
1/2
3/4
d
1/4
1/4
1/2
2/3
1/3
1/3
e
1/3
2.
Irreducible, aperidica,
recurrente y ergdica.
Irreducible, recurrente y
peridica de periodo 3.
No es ergdica.
3.
Irreducible, aperidica,
recurrente y ergdica
2
5.
f ik
pij f jk
j 0
f kk
f ik
1
0,
si el estadoi es recurrentei k
f 00 1
f10
2
1
f 00
f 20
3
3
f 20
2
1
f10
f 30
3
3
f 30
2
1
f 20
f 40
3
3
f 40 0
f 20
2 2 1
f 20
3 3 3
1 2
1
f 20
(0)
3 3
3
f 20 1 / 5
0
2/3
1/3
2/3
1/3
2/3
1/3
f 04 0
f14
2
1
f04
f 24
3
3
f 24
2
1
f14
f 34
3
3
f 34
2
1
f 24
f 44
3
3
f 44 1
f 24
2 1
f 24
3 3
1 2
1
f 24
3 3
3
f24 1 / 5
P=
0.080
0.632
0.264
0.080
0.184
0.368
0.368
0.184
0.368
0.000
0.368
0.368
0.368
0.000
0.000
0.368
(8)
P* = P =
0.286
0.286
0.286
0.286
0.285
0.285
0.285
0.285
0.264
0.264
0.264
0.264
0.166
0.166
0.166
0.166
Forma 2 de Calculo
M
j
pij
i 0
M
i
i 0
P=
0.080
0.632
0.264
0.080
0.184
0.368
0.368
0.184
0.368
0.000
0.368
0.368
0.368
0.000
0.000
0.368
0 = 0.286
1 = 0.285
2 = 0.264
3 = 0.166
1
jj
j
que
en
la
sociedad
slo
existen
los
estratos
A continuacin se muestra
la matriz de transicin de
un
paso,
es
decir
la
probabilidad de pasar en
una generacin de una
Hijos
A
M
B
A 0.45 0.48 0.07
P M 0.05 0.7 0.25
B 0.01 0.5 0.49
Recordar que
= P
P
A PAM
A PAB
A
M
A AA
PMA
M PMM
M PMB
1
B BA
P
B PBB
B BM