Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Cadenas de Markov Procesos Estocásticos Fuente: Rojo, H; Miranda, M. Cadenas de Markov.Investigación Operativa.FIUBA.2016 ENZO CORTE Máquina de escribir No importa estados pasados ni presente, es como tirar una moneda ENZO CORTE Máquina de escribir Importa el estado presente ENZO CORTE Máquina de escribir Importa el pasado, por ejemplo para predicciones de venta que debemos tener en cuenta los antecedentes Clasificación de los procesos estocásticos según la naturaleza continua o discreta de las variables Fuente: Rojo, H; Miranda, M. Cadenas de Markov.Investigación Operativa.FIUBA.2016 ENZO CORTE Máquina de escribir Si la vble X(t) toma valores discretos hablamos de cadenas, y si toma valores continuos hablamos de procesos Las Cadenas de Markov homogéneas, tanto en parámetro discreto como continuo, describen una gran cantidad de procesos físico-económicos de la realidad, como ser: Análisis de comportamientos de compra y lealtad a una marca (“brandswitching”), Estudio de reemplazo de equipos, Planeamiento de necesidades de personal, Análisis de inventarios, Análisis de créditos, Estudio de sistemas de colas, etc. Cadenas de Markov Homogéneas de parámetro discreto Una Cadena es homogénea si para cualquier t las probabilidades de transición de i a j solo dependen de Dt ENZO CORTE Máquina de escribir Probabilidad de pasar de un estado i a un estado j en un intervalo delta T ENZO CORTE Máquina de escribir Con los estados armo la matriz ENZO CORTE Máquina de escribir Sumatoria en cada fila Probabilidad condicional de transición de un paso-Matriz de las probabilidades de transición de un paso ENZO CORTE Máquina de escribir Un paso significa que delta T toma el valor de 1, y asi sera sucesivamente Ejemplo 1: Suponga que una fábrica de bebidas de cola produce sólo dos tipos. Dado que una persona la última vez compró cola 1, hay 90% de probabilidades de que sus siguiente compra sea cola 1.Dado que la última compra de una persona fue cola 2, hay 80 % de probabilidades de que sus siguiente compra sea cola 2. 𝐸𝑠𝑡𝑎𝑑𝑜𝑠 𝐸𝑠𝑡𝑎𝑑𝑜 1: 𝐶𝑜𝑚𝑝𝑟𝑎𝑑𝑜𝑟 𝑐𝑜𝑙𝑎 1 𝐸𝑠𝑡𝑎𝑑𝑜 2: 𝐶𝑜𝑚𝑝𝑟𝑎𝑑𝑜𝑟 𝐶𝑜𝑙𝑎 2 P = 0,9 0,1 0,2 0,8 Cola 1 Cola 2 Cola 1 Cola 2 Marca recién comprada X Y Z X 0,3 0,2 0,5 Y 0,1 0,6 0,3 Z 0,4 0,3 0,3 Se efectúa una encuesta de mercado de tres marcas de alimento X, Y y Z. Cada vez que el cliente compra un nuevo paquete puede comprar de la misma marca o cambiarse a otra. Se han obtenido los siguientes datos estimados que se expresan como fracciones decimales: Ejemplo 2: 𝐸𝑠𝑡𝑎𝑑𝑜𝑠 𝐸𝑠𝑡𝑎𝑑𝑜 1: 𝐶𝑙𝑖𝑒𝑛𝑡𝑒 𝑐𝑜𝑚𝑝𝑟𝑎 𝑚𝑎𝑟𝑐𝑎 𝑋 𝑑𝑒 𝑎𝑙𝑖𝑚𝑒𝑛𝑡𝑜 𝐸𝑠𝑡𝑎𝑑𝑜 2: 𝐶𝑙𝑖𝑒𝑛𝑡𝑒 𝑐𝑜𝑚𝑝𝑟𝑎 𝑚𝑎𝑟𝑐𝑎 𝑌 𝑑𝑒 𝑎𝑙𝑖𝑚𝑒𝑛𝑡𝑜 𝐸𝑠𝑡𝑎𝑑𝑜 3:𝐶𝑙𝑖𝑒𝑛𝑡𝑒 𝑐𝑜𝑚𝑝𝑟𝑎 𝑚𝑎𝑟𝑐𝑎 𝑍𝑑𝑒 𝑎𝑙𝑖𝑚𝑒𝑛𝑡𝑜 P = 0,3 0,2 0,5 0,1 0,6 0,3 0,4 0,3 0,3 Ecuación de Chapman-Kolmogorov P ∆𝑡 = 2 = P ∆𝑡 = 1 2 P ∆𝑡 = 𝑛 = P ∆𝑡 = 1 𝑛 P 𝑛 = 𝑃𝑛 Expresión general de la ecuación de Chapman- Kolmogorov En el Ejemplo 1:… ENZO CORTE Máquina de escribir Probabilidad de que compre cola 1 o 2 luego de n compras Probabilidad incondicional de estado Ԧ𝑝 1 = Ԧ𝑝(0)P Ecuación general de Estado 𝒑 𝐭 + ∆𝒕 = 𝒑(𝐭)𝐏(∆𝒕) ENZO CORTE Máquina de escribir Se refiere a un valor puntual en un determinado tiempo Ergódicas: todos sus estados se comunican. a) Regulares: Pn , matriz con todos los elementos no nulos, cuando todos los estados pueden comunicarse, en una cantidad r de pasos. Es decir que Pn es una matriz con todos los elementos no nulos. b) Periódicas: no existe n / Pn tenga todos sus elementos no nulos, es decir que permite asegurar siempre la presencia de al menos un cero en Pn. No Ergódicas: no todos sus estados se comunican. a) Absorbentes, no se pueden abandonar b) Cíclicas, pasa cíclicamente según cierto parámetro de comportamiento. ENZO CORTE Máquina de escribir No puedo volver a un estado anterior Comportamiento de las Cadenas Ergódicas en el Régimen Permanente Régimen Permanente o Estado Estacionario: condición de equilibrio estocástico p(estado): estables en el tiempo. En el cual no depende de j (estado final) sino solo de i (estado inicial) Cadenas regulares: P(n)limp(0).p(n)lim ppp ppp ppp PlimP(n)lim mj0 mj0 mj0 n nn n Todas las filas son iguales, no depende del estado inicial , solo del final ENZO CORTE Máquina de escribir Se llega al regimen estacionario Como p(n) = p(n-1).P, y a largo plazo: p(n)= p(n-1) ∴ p(n) = p(n).P y 1p m 0j j Ejemplo 1: 1.Si una persona en la actualidad es comprador de cola2 ¿Cuál es la probabilidad de que siempre compre cola 1 dos veces a partir de ahora. 2.Si una persona en la actualidad es comprador de cola 1¿Cuál es la probabilidad de que compre cola 1 tres ocasiones a partir de ahora? 𝐸𝑠𝑡𝑎𝑑𝑜𝑠 𝐸𝑠𝑡𝑎𝑑𝑜 1: 𝐶𝑜𝑚𝑝𝑟𝑎𝑑𝑜𝑟 𝑐𝑜𝑙𝑎 1 𝐸𝑠𝑡𝑎𝑑𝑜 2: 𝐶𝑜𝑚𝑝𝑟𝑎𝑑𝑜𝑟 𝐶𝑜𝑙𝑎 2 P = 0,9 0,1 0,2 0,8 Cola 1 Cola 2 Cola 1 Cola 2 Cadena Ergódica Regular Suponga que una fábrica de bebidas de cola produce sólo dos tipos. Dado que una persona la última vez compró cola 1, hay 90% de probabilidades de que sus siguiente compra sea cola 1.Dado que la última compra de una persona fue cola 2, hay 80 % de probabilidades de que sus siguiente compra sea cola 2. 1.Si una persona en la actualidad es comprador de cola2 ¿Cuál es la probabilidad de que siempre compre cola 1 dos veces a partir de ahora. 𝑃2 = 0,83 0,17 0,34 0,66 2.Si una persona en la actualidad es comprador de cola 1¿Cuál es la probabilidad de que compre cola 1 tres ocasiones a partir de ahora? La probabilidad de que compre cola 1 siendo comprador de cola 2 es 0,34 𝑃3 = 0,781 0,219 0,438 0,562 Cola 1 Cola 2 Cola 1 Cola 2 Cola 1 Cola 2 Cola 1 Cola 2 Marca recién comprada X Y Z X 0,3 0,2 0,5 Y 0,1 0,6 0,3 Z 0,4 0,3 0,3 Se efectúa una encuesta de mercado de tres marcas de alimento X, Y y Z. Cada vez que el cliente compra un nuevo paquete puede comprar de la misma marca o cambiarse a otra. Se han obtenido los siguientes datos estimados que se expresan como fracciones decimales. a. Plantee el problema, identifique y formule el modelo completo. b. Se estima en este momento que el 30% de los clientes compran la marca X, 20% la marca Y y 50% la marca Z. Cuál será la distribución de los clientes dos periodos de tiempo después?. Interprete los resultados Ejemplo 2: 𝐸𝑠𝑡𝑎𝑑𝑜𝑠 𝐸𝑠𝑡𝑎𝑑𝑜 1: 𝐶𝑙𝑖𝑒𝑛𝑡𝑒 𝑐𝑜𝑚𝑝𝑟𝑎 𝑚𝑎𝑟𝑐𝑎 𝑋 𝑑𝑒 𝑎𝑙𝑖𝑚𝑒𝑛𝑡𝑜 𝐸𝑠𝑡𝑎𝑑𝑜 2: 𝐶𝑙𝑖𝑒𝑛𝑡𝑒 𝑐𝑜𝑚𝑝𝑟𝑎 𝑚𝑎𝑟𝑐𝑎 𝑌 𝑑𝑒 𝑎𝑙𝑖𝑚𝑒𝑛𝑡𝑜 𝐸𝑠𝑡𝑎𝑑𝑜 3:𝐶𝑙𝑖𝑒𝑛𝑡𝑒 𝑐𝑜𝑚𝑝𝑟𝑎 𝑚𝑎𝑟𝑐𝑎 𝑍𝑑𝑒 𝑎𝑙𝑖𝑚𝑒𝑛𝑡𝑜 P = 0,3 0,2 0,5 0,1 0,6 0,3 0,4 0,3 0,3 a. Plantee el problema, identifique y formule el modelo completo. Es una Cadena de Markov homogénea de parámetro discreto ergódica b. Se estima en este momento que el 30% de los clientes compran la marca X, 20% la marca Y y 50% la marca Z. Cuál será la distribución de los clientes dos periodos de tiempo después?. Interprete los resultados 𝑝 2 = 𝑝(0)𝑃2 p(0)=(0,3 0,2 0,5) 𝑃2 = 0,31 0,33 0,36 0,21 0,47 0,32 0,27 0,35 0,38 𝑝 2 = 𝑝(0)𝑃2=(0,27 0,368 0,362) Cadena No Ergódicas Absorbentes Interesa conocer: a) Número esperado de veces que el proceso pasa por cada estado no absorbente antes de ser absorbido. b) Número esperado de transiciones que el proceso tarda en ser absorbido. c) Probabilidad de absorción de cada estado absorbente Se reagrupa la matriz: I (axa):p (permanecer en un estado absorbente en un paso) 0 (axn):p (pasar de estado absorbente a no absorbente en un paso) A (nxa): p (absorción en un paso) N(nxn): p( de no absorción en un paso) estados estados NA OI P na n a ENZO CORTE Máquina de escribir Matrices ENZO CORTE Máquina de escribir Matriz identidad ENZO CORTE Máquina de escribir Matriz nula ENZO CORTEMáquina de escribir Matriz de estados absorventes ENZO CORTE Máquina de escribir MAtriz de estados no absorventes ENZO CORTE Máquina de escribir No hay retorno ENZO CORTE Máquina de escribir Lo que me interesa conocer el numero esperado de veces que el proceso pasa por cada estado no absorvente antes de ser absorvido, el numero esperado de transiciones que el proceso tarda en ser absorvido y la probabilidad de absorcion de cada estado absorvente En la universidad están realizando un estudio para determinar el número promedio de años que pasa un estudiante en la misma, a partir de la información brindada en la siguiente tabla de probabilidades de transición: 1.¿Cómo modelaría el problema y por qué? Fundamente su respuesta Suponiendo que una vez que salga un estudiante ya nunca vuelve a inscribirse 2¿Cuántos años tardará en recibirse un estudiante que ingresa en primer año? Fundamente la respuesta 3. Del total de 5000 ingresantes del año 2019, cuántos se recibirán?Fundamente la respuesta 1 año 2 año 3 año 4 año Abandona Se recibe 1 año 0,1 0,8 0 0 0,1 0 2 año 0 0,1 0,85 0 0,05 0 3 año 0 0 0,15 0,8 0,05 0 4 año 0 0 0 0,1 0,05 0,85 Abandona 0 0 0 0 1 0 Se recibe 0 0 0 0 0 1 Ejemplo 3: ENZO CORTE Máquina de escribir Estados Absorventes 1)El modelo es una Cadena de Markov no ergódica 1 año 2 año 3 año 4 año Abandona Se recibe 1 año 0,1 0,8 0 0 0,1 0 2 año 0 0,1 0,85 0 0,05 0 3 año 0 0 0,15 0,8 0,05 0 4 año 0 0 0 0,1 0,05 0,85 Abandona 0 0 0 0 1 0 Se recibe 0 0 0 0 0 1 𝐸𝑠𝑡𝑎𝑑𝑜𝑠 𝐸𝑠𝑡𝑎𝑑𝑜 1: 𝐴𝑙𝑢𝑚𝑛𝑜 𝑑𝑒 1° 𝑎ñ𝑜 𝐸𝑠𝑡𝑎𝑑𝑜 2: 𝐴𝑙𝑢𝑚𝑛𝑜 𝑑𝑒 2° 𝑎ñ𝑜 𝐸𝑠𝑡𝑎𝑑𝑜 3: 𝐴𝑙𝑢𝑚𝑛𝑜 𝑑𝑒 3° 𝑎ñ𝑜 𝐸𝑠𝑡𝑎𝑑𝑜 4: 𝐴𝑙𝑢𝑚𝑛𝑜 𝑑𝑒 4° 𝑎ñ𝑜 𝐸𝑠𝑡𝑎𝑑𝑜 5:𝐴𝑙𝑢𝑚𝑛𝑜 𝑎𝑏𝑎𝑛𝑑𝑜𝑛𝑎 𝐸𝑠𝑡𝑎𝑑𝑜 6: 𝐴𝑙𝑢𝑚𝑛𝑜 𝑠𝑒 𝑟𝑒𝑐𝑖𝑏𝑒 1.¿Cómo modelaría el problema y por qué? Fundamente su respuesta Suponiendo que una vez que salga un estudiante ya nunca vuelve a inscribirse 2¿Cuántos años tardará en recibirse un estudiante que ingresa en primer año? Fundamente la respuesta 3,96433471 1 año (I-N)-11= 3,20987654 2 año 2,22222222 3 año 1,11111111 4 año Cadena de Markov homogénea no ergódica 3. Del total de 5000 ingresantes del año 2019, cuántos se recibirán?Fundamente la respuesta Abandona Se recibe 0,25377229 0,74622771 1 año (I-N)-1A= 0,16049383 0,83950617 2 año 0,11111111 0,88888889 3 año 0,05555556 0,94444444 4 año Cadenas de Markov de Parámetro Continuo Análogamente a las cadenas de Markov de parámetro discreto, pero ahora es X(t) con t0 continuo pij(∆t)=p{ x(t+ ∆t)=j / x(t)=i } con t0 y ∆t 0 Tasas o intensidades de transición Matriz de tasas de transición D m ..., 1,i ij dd donde ddd ddd D )(pd m 1j ijii mmm1m0 0m0100 0ijij D D D t t td d 26 … … … … … … … … ENZO CORTE Máquina de escribir t toma valores reales ENZO CORTE Máquina de escribir Se trabaja con probabilidades de transicion que tiendan a 0, delta t tiende a 0 por ser continuo ENZO CORTE Máquina de escribir Los elementos de la diagonal principal de la matriz d se van a calcular como la suma de los elementos de su fila cambiadas de signo Además por la Probabilidad incondicional de estado 27 1)t(p 1)t(p0 Siendo )t(p...)t(p)t(pp(t) estado. de adprobabilid m ..., 1, 0,i )t(p)t(p m 0j j j m10 ixj Estudio de las Cadenas en el Régimen Permanente Derivando respecto a ∆t en ∆t =0 mj0 mmm0 0m00 mi0 ppp )t(p...)t(p )t(p...)t(p ppp DD DD 28 0000 ddd d ddd ppp mmmjm0 i0 0m0j00 mi0 P D 0x = … … … … … …… … … … … … … … ENZO CORTE Máquina de escribir Probabiidades incondicionales definidas para parametro continuo Además: y p = B x A-1 29 1000 1ddd 1ddd 1ddd pppp d- dy 1 1 1 1 ppp 1-m mm1m0 1-m 11110 1-m 01 000 m1-m10 i j j ii imi0 P A Bx = i j j id … … … … … … … … … … …1 1 … ENZO CORTE Máquina de escribir En ultima columna sustituyo por 1s ENZO CORTE Máquina de escribir El ultimo elemento sustituyo por 1 Se tiene un componente electrónico que puede encontrarse en dos estados on y off. Son conocidas las probabilidades condicionales de cambio de un estado al otro, se quiere conocer el tiempo durante el cual el dispositivo se encuentra en cada estado. P on-off = 0.4 ( 1 - e –5Dt ) : P off -on = 0.6( 1 – e-5Dt ) Plantee el problema, identifique y formule el modelo completo Resuelva e interprete los resultados Estado 1: Sistema en On Estado: Sistema en Off Construyo la matriz P de transición: 𝑃(∆𝑡) = ∗ ∗ ∗ ∗ on off on off P on-off = 0.4 ( 1 - e –5Dt )=0.4-0.4 e –5Dt P on-on = 1-0.4 ( 1 - e –5Dt )=1-0.4+0.4 e –5Dt=0.6+0.4 e –5Dt P off -on = 0.6( 1 – e-5Dt )=0.6-0.6 e-5Dt P off -off = 1-0.6( 1 – e-5Dt )=1-0.6+0.6 e-5Dt =0.4+0.6 e-5Dt Matriz de tasas o intensidades de transición 𝑑(P on − on ) 𝑑∆𝑡 ∆𝑡=0 = 𝑑(0.6 + 0.4𝑒−5∆𝑡) 𝑑∆𝑡 ∆𝑡=0 = 𝑑(0.6 + 0.4𝑒−5∆𝑡) 𝑑∆𝑡 ∆𝑡=0 = −0.4𝑒−5∆𝑡 ∆𝑡=0 = −0.4 = −0 4 = 0 4 𝑑(P off − off ) 𝑑∆𝑡 ∆𝑡=0 = 𝑑(0.4 + 0.6 𝑒−5∆𝑡) 𝑑∆𝑡 ∆𝑡=0 = 𝑑(0.4 + 0.6𝑒−5∆𝑡) 𝑑∆𝑡 ∆𝑡=0 = −0.6𝑒−5∆𝑡 ∆𝑡=0 = −0.6 = −0 6 = 0 6 = −0 4 0 4 0 6 −0 6 = −0 4 1 0 6 1 = −1 1 0 6 0,4 = (0 1) 𝑝 = (0,6 0,4) pon=0,6 poff=0,4 p = B x A-1 p
Compartir