CADENAS DE MARKOV DE TIEMPO DISCRETO

CMTD
Modelamiento y Probabilidades

MODELOS ESTOCÁSTICOS (MOES) - SESIÓN TALLER

Programa de Ingenierı́a Industrial
Escuela Colombiana de Ingenierı́a Julio Garavito

Junio de 2017

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 1 / 20

Contenido

1 Modelamiento
Producción
Excavación
Inversión
Genética
Antivirus

2 Probabilidades
Fincas cafeteras
Dinámica poblacional
Inventarios
Call Center

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 2 / 20

 Modelamiento

Contenido

1 Modelamiento
Producción
Excavación
Inversión
Genética
Antivirus

2 Probabilidades
Fincas cafeteras
Dinámica poblacional
Inventarios
Call Center

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 3 / 20

 Modelamiento Producción

Producción - Inventarios

Al comienzo de cada hora una máquina comienza a procesar material para

fabricar productos. En una hora cualquiera la máquina procesa l productos,
0 6 l 6 2, con probabilidad pl > 0. Todas las unidades de producto que se
procesan están listas al final de cada hora de producción y se ponen en una
bodega de producto terminado. La demanda se produce en la hora siguiente
después de que los productos llegan a la bodega.

Suponga que la final de cada hora se demandan m productos, 0 6 m 6

1, con probabilidad gm > 0, y que la demanda es independiente de la
producción.

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 4 / 20

 Modelamiento Producción

Producción - Inventarios

Suponga adicionalmente que la demanda que no se satisface se pierde, y

que cuando se sobrepasa la capacidad de la bodega, el producto sobrante
es desechado.

De acuerdo a lo anterior, y suponiendo una bodega con capacidad de máxima

de dos unidades, modele el sistema como una CMTD.

Considere las siguientes probabilidades:

p0 = 41 , p1 = 12 , p2 = 1
4

g0 = 12 , g1 = 1
2

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 5 / 20

 Modelamiento Excavación

Excavación arqueológica

Una fundación de arqueologı́a está invirtiendo en diferentes campos de ex-

cavación alrededor del mundo.

La fundación quiere comenzar a excavar en diferentes campos en un área

en particular en Macondo. Se han dado cuenta que todos los campos de
excavación se comportan muy parecido.

Todos los campos pueden tener tres niveles de excavación: El nivel 1, con-
tiene artefactos enterrados desde hace 10000 años al presente, el nivel 2
contiene desde hace 1 millón de años a 10000 años y el nivel 3 de 1 millón
de años hacia atrás.

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 6 / 20

 Modelamiento Excavación

Excavación arqueológica

Mientras que están excavando en algún nivel tienen una probabilidad de

encontrar algo, si no encuentran nada entonces pueden parar ahı́ o seguir
excavando al siguiente nivel. En el último nivel si no encuentran nada, no
excavan más.

La probabilidad de encontrar algo en cada nivel se puede expresar como

1
pi = i+1 , donde i es le nivel actual. Cuando encuentran algo dejan de
excavar y llevan el artefacto encontrado al museo. La probabilidad de seguir
1
excavando se expresa como qi = 2(i+1) .

Excavar en un nivel en particular toma siempre un mes, ası́ que cada mes
toman la decisión de seguir excavando o irse del campo, si no han encontrado
nada.

Modelar como CMTD.

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 7 / 20
 Modelamiento Inversión

Portafolio de inversión

Una firma de inversión ofrece a sus clientes un novedoso paquete basado en

la actual preocupación ambiental consistente en dos inversiones: (A) Tec-
nologı́as de energı́as renovables no convencionales y (B) Bonos de carbono.
Los clientes invierten una cantidad fija y deciden a cuál de las dos inver-
siones va todo su dinero. Al final de cada mes pueden decidir si cambian
de inversión o permanecen en la misma. El comportamiento de los clientes
sobre esta decisión se muestra en la siguiente tabla:

A B
A 50 % 50 %
B 10 % 90 %

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 8 / 20

 Modelamiento Inversión

Portafolio de inversión

La compañı́a sabe que las utilidades derivadas de la intermediación dependen

de este comportamiento y de la Tasa Representativa del Mercado (TRM:
tasa de cambio del peso colombiano por un dólar de los Estados Unidos).
Se establecen dos niveles de interés para la TRM: Dólar alto (D+) cuando
se encuentra por encima de 2950 COP, y Dólar bajo (D-) en caso contrario.
Estudios económicos muestran el siguiente comportamiento de un mes a
otro:

D+ D-
D+ 60 % 40 %
D- 20 % 80 %

Modelar como una única CMTD.

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 9 / 20

 Modelamiento Genética

Cadena genética

Un biólogo desea modelar la evolución de un cromosoma teórico sencillo.

Dicho cromosoma está formado por cuatro genes cada uno de los cuales
puede ser normal o anormal. Cada cierto tiempo el cromosoma evoluciona
duplicándose a sı́ mismo y de este cromosoma duplicado se seleccionan al
azar cuatro genes que forman el cromosoma evolucionado (los cromosomas
no seleccionados desaparecen). Al duplicarse el cromosoma los genes nor-
males se replican en normales y los genes anormales se replican en genes
anormales.

Modelar como CMTD.

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 10 / 20

 Modelamiento Antivirus

Antivirus

En una sala de computadores de la universidad se hace una revisión del

estado de estos al final del dı́a. Por el uso que tuvieron los computadores
durante el dı́a, están propensos a recibir algún virus. El antivirus que tienen
instalados los computadores es bueno, pero no es posible que logre detectar
todo los posibles virus que existen.

La probabilidad que el antivirus no detecte un virus de estos es de 13 . Si

se encuentra que un computador, durante la revisión al final del dı́a, tiene
un virus, este es deshabilitado para que un técnico lo revise durante el
siguiente dı́a. Si el técnico logra deshacerse del virus entonces el computador
es de nuevo habilitado para el uso de los estudiantes, y esto ocurre con una
probabilidad de 31 .

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 11 / 20

 Modelamiento Antivirus

Antivirus

De lo contrario, el técnico puede gastar otro dı́a más para tratar de arreglar el
computador, o, decide que no se debe prestar más con la misma probabilidad.
Finalmente, los computadores que fueron reparados por el técnico quedan
más vulnerables, por esta razón si un virus vuelve a infectar el computador,
el técnico ya no lo repara si no que decide que no se debe prestar más.

Asuma que el técnico puede trabajar paralelamente en varios computadores

con virus al mismo tiempo, y esto no cambia las probabilidades.

Modelar como CMTD.

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 12 / 20

 Probabilidades

Contenido

1 Modelamiento
Producción
Excavación
Inversión
Genética
Antivirus

2 Probabilidades
Fincas cafeteras
Dinámica poblacional
Inventarios
Call Center

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 13 / 20

 Probabilidades Fincas cafeteras

Fincas cafeteras

Un comité regional de la Asociación de Cafeteros clasifica las fincas de

acuerdo a su nivel de producción semestral. Los niveles son: Alto, Medio
y Bajo. Hay que considerar que los niveles se establecieron de acuerdo a
la relación entre la producción (en sacos) y las hectáreas cultivadas. Un
analista del comité ha modelado este sistema como una CMTD. Su modelo
es el siguiente:

Sea {Xt , t > 0} una CMTD, donde Xt es el nivel de producción en el que

se encuentra la finca al finalizar el semestre t. Con espacio de estados
S = {Alto, Medio, Bajo}. La matriz de transición para esta cadena (con
los estados en el mismo orden mostrado en el conjunto S) es:
 
0,80 0,20 0,00
P = 0,40 0,50 0,10
0,05 0,45 0,50

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 14 / 20

 Probabilidades Fincas cafeteras

Fincas cafeteras

Responder:

Contruir el diagrama de transición.

¿Cuál es la probabilidad de que una finca que hoy produce en nivel

Bajo se encuentre en un año en Nivel alto?

De acuerdo al último censo regional (finales de mayo), el 80 % de las

fincas están en nivel Medio y Bajo (repartidos en forma equitativa).
¿Cómo se espera que sea la distribución de las fincas en dos años?

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 15 / 20

 Probabilidades Dinámica poblacional

Dinámica poblacional

Cada familia americana puede vivir en una zona rural, urbana o suburbio.
Durante un año, 15 % de las familias urbanas se mudan a los suburbio y
5 % se mudan a una zona rural. El 6 % de las familias de los suburbios se
mueven a la zona urbana y 4 % a la zona rural. Finalmente, 4 % de las
familiar rurales se mueven a la zona urbana y 6 % a los suburbios.

Si una familia vive ahora en la zona urbana, ¿cuál es la probabilidad de

que siga viviendo en la zona luego de dos años?.

Suponga que en el presente, 40 % de las familias viven en el área urbana,

35 % en suburbios y 25 % en rural. En tres años desde ahora, ¿cuál será
el porcentaje de familias que vivirán en el área urbana?.

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 16 / 20

 Probabilidades Inventarios

Inventario televisores

En cierto almacén de electrodomésticos, hay dos vendedoras de Televisores

LCD, las cuales realizan sus ventas de manera independiente. De acuerdo a
un estudio de ventas se sabe que cada una de ellas puede realizar máximo 1
venta diaria con cierta probabilidad: La vendedora 1 tiene mayor experiencia
y vende un televisor con probabilidad de 12 , mientras que la vendedora 2 que
es novata y tiene una probabilidad de vender un televisor de 13 .

Los televisores se mantienen en la bodega del almacén la cual tiene capaci-

dad sólo para 2 televisores. Ası́ mismo se conoce que el dueño del almacén
revisa el inventario todas las noches y si no hay Televisores en inventario,
pide la cantidad necesaria para tener el inventario en el máximo.

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 17 / 20

 Probabilidades Inventarios

Inventario televisores

Asuma que el pedido se hace en la noche después de la revisión y al dı́a

siguiente antes de que inicie el turno de trabajo de las vendedoras ya están
en la bodega. Inicialmente la bodega está llena.

¿Si al final del periodo la bodega tenı́a 1 televisor, cuál es la probabilidad

que se vuelva a terminar el dı́a con 1 televisor?

¿Cuál es la probabilidad de terminar el dı́a 135 con 0 televisores en

inventario si en el dı́a 131 se terminó el dı́a con 2 televisores en inven-
tario?

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 18 / 20

 Probabilidades Call Center

Teleperform

Teleperform es un call center que emplea a 324 asesores categorizados en

4 niveles según la experiencia y los indicadores de rendimiento obtenidos
durante el desempeño de sus actividades. En aras de simplificar el ejercicio,
se asume que un asesor puede ser promovido o puede dejar la compañı́a
únicamente al inicio de una semana.

Un asesor principiante (nivel 1) es promovido a asesor intermedio (nivel

2) con probabilidad 0.22, deja la compañı́a con probabilidad de 0.37 o en
última instancia permanece en el mismo nivel al comienzo de la siguiente
semana. Un asesor intermedio (nivel 2) al iniciar una semana es promovido
a asesor avanzado (nivel 3) con probabilidad 0.1, se retira de la compañı́a
con probabilidad de 0.29 o continua en el mismo nivel.

(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 19 / 20

 Probabilidades Call Center

Teleperform

Un asesor avanzado (nivel 3) al empezar la siguiente semana es promovido

a asesor experto (nivel 4) con probabilidad de 0.05, se retira de la compañı́a
con probabilidad 0.2, de lo contrario permanece en el mismo nivel. Por último
un trabajador experto (nivel 4) se retira de la compañı́a con probabilidad de
0.01 al inicio de una semana.Modele la composición de la planta de personal
de este call center como una CMTD. Entiéndase que si una persona se retira
de la compañı́a la planta de personal se completa inmediatamente con un
asesor nuevo (Nivel 1).
¿Cuál es la probabilidad de que una plaza que hoy la ocupa un asesor
intermedio después de 24 semanas la ocupe un asesor experto?
Si hoy existe la siguiente proporción de asesores por nivel: 34 % princi-
piantes, 23 % intermedios, 26 % avanzados y el restante expertos. ¿De
qué forma se espera esté compuesta la planta de personal después de
48 semanas?
(MOES) CADENAS DE MARKOV DE TIEMPO DISCRETO CMTD 2017-Int. 20 / 20