Professional Documents
Culture Documents
DOCENTE:
ALUMNOS:
Arequipa Per
2010
CADENAS DE MARKOV
APLICACIONES PROPUESTAS
CADENAS DE MARKOV
APLICACIN 1
Una mquina puede estar en dos estados: F funciona o Q averiada, con
tFF = 0.8, tQQ = 0.4, tQF = 0.6, tFQ = 0.2. Cuando funciona da una utilidad de
480 por periodo y, cuando est averiada, los gastos son de 160 por periodo,
considerando la situacin de rgimen estable:
a) Calcule la ganancia media por periodo.
b) Verifique si un plan de mantenimiento preventivo que cuesta $50 por
periodo, alterando: tFF a 0.9 y tQQ a 0.3 vale la pena?.
F
0.
8
0.
6
T= F
Q
F = $480
$Q = 160
X1
X2
Q
0.2
0.4
Xn =
Xn1*T
= *T
X1 X2
0.8
0.4
0.2
0.6
X2
X1
X2
0.9
0.7
0.1
0.3
CADENAS DE MARKOV
X1 = 0.9X1 + 0.7X2
X2 = 0.1X1 + 0.3X2
X1 +X2 = 1
RESOLVIENDO LA ECUACION
X1 = 0.875
X2 = 0.125
= [0.875 0.125]
Ganancia esperada es:
480*0.875 +0.125*- 160 = $ 400.
400 50 (plan de mantenimiento) = $350.
Conviene el plan de mantenimiento, si vale la pena.
t22=0.3
t31=0.5
t12= 0.3
t23=0.7
t33=0.5
t13= 0.3
T=
t1
t2
t3
t1
0,4
0,3
0,3
t2
0,3
0,7
t3
0,5
0,5
[A B C] = [A B C]
0,5 0 0,5
Adems de:
1 + 2 + 3 =1
El sistema de ecuaciones sera:
1 + 2 + 3 =1
0,41 + 0,53 = 1
0,31 + 0,32 = 2
0,31 + 0,72 + 0,53 = 3
T=
t1
t2
t3
t1
0,4
0,3
0,3
t2
0,6
0,4
t3
0,5
0,5
[A B C] = [A B C]
0,5 0 0,5
Adems de:
1 + 2 + 3 =1
El sistema de ecuaciones sera:
1 + 2 + 3 =1
0,41 + 0,53 = 1
0,31 + 0,62 = 2
CADENAS DE MARKOV
esperando
su
b)
CADENAS DE MARKOV
APLICACIN 4
Se usa una mquina para producir herramientas de precisin. Si la mquina
est hoy en buenas condiciones, entonces estar bien maana con 90% de
probabilidad. Si la mquina est en mal estado hoy, entonces estar en mal
estado maana con 80% de probabilidad. SI la mquina est en buen
estado, produce 100 herramientas por da, y si est en mal estado, 60
herramientas por da. En promedio, cuntas herramientas por da se
producen?.
BC=Buenas condiciones
MC=Malas condiciones
T = BC 0.9 0.1
MC 0.2 0.8
X n =X n1 T Cuandon
X n =X n1=
=Vector de estado estable
=T
[ X 1 X 2 ] =[ X 1 X 2 ]
0.9 0.1
0.2 0.8
X 1=0.9 X 1+ 0.2 X 2
X 2=0.1 X 1+ 0.8 X 1
X 1 + X 2 =1
=[0.6667 0.3333 ]
CADENAS DE MARKOV
APLICACIN 5
La Zephyr Electronics Co. Fabrica tocacintas porttiles. Antes de mandar a
ventas un casete o porta cintas, se analiza el lote. Las categoras de
inspeccin son: no funciona (NF), regular, bueno y excelente. Los porta
cintas NF se desechan, mientras que los lotes excelentes se envan
inmediatamente a ventas. Los lotes regulares y buenos se regresan para
ajustes y se vuelven a probar. Las proporciones de lotes regulares y buenos
que cambian de categora se dan en la tabla siguiente:
R
0.2
5
0.1
5
0.2
0.65
NF
E
0
0
0
0
1
0
0
1
0.2
5
0.3
5
0.1
5
0.2
NF
0.0
5
E
0.3
5
R
T
=
Q =
R =
NF
0.05 0.35
I =
(I-Q)-1 =
I-Q =
R
1.46
1
0.7
5
0.1
5
0.3
5
0.8
B
0.639
CADENAS DE MARKOV
((I-Q)-1)*R =
0.6
5
R
B
b)
c)
d)
e)
f)
0.27
4
0.369
NF
E
0.07 0.92
3
7
0.01 0.98
4
6
APLICACIN 6
Freezco, Inc., vende refrigeradores. La fabrica otorga una garanta en todos
los refrigeradores que especifica cambio gratis de cualquier unidad que se
descomponga antes de tres aos. Se nos da la siguiente informacin: (1) el
3% de todos los refrigeradores nuevos falla durante su primer ao de
funcionamiento; (2) el 5% de todos los refrigeradores con 1 ao de
funcionamiento falla durante el segundo ao de trabajo, y (3) el 7% de
todos los refrigeradores con dos aos de funcionamiento falla durante su
tercer ao. La garanta no vale para el refrigerador de repuesto.
a) Use la teora de cadenas de Markov para predecir la fraccin de todos
los refrigeradores que deber cambiar Freezco.
F
NF
0.03
0.97
0.05
0.95
0.07
0.93
NF
0.03
0.97
0.05
0.95
APLICACIN 7
El Programa Profesional de Ingeniera Industrial, despus de haber recogido
datos durante varios aos, puede predecir las proporciones de los
estudiantes que pasarn de una categora a otra en un ao dado. Estos
datos se dan en la tabla siguiente.
1ER AO
2DO AO
3ER AO
4TO AO
5TO AO
RETIRAD
O
TERMINA
1
2
3
4
5 R
T
0.2 0.6
0
0
0 0.2
0
0 0.15 0.7
0
0 0.15
0
0
0 0.15 0.65
0 0.2
0
0
0
0 0.1 0.8 0.1
0
0
0
0
0 0.05 0.05 0.9
0
0
0
0
0
0
0
0
0
0
1
0
0
1
1
2
3
4
0.2 0.6
0
0
0 0.15 0.7
0
0
0 0.15 0.65
0
0
0 0.1
5 R
0 0.2
0 0.15
0 0.2
0.8 0.1
T
0
0
0
0
CADENAS DE MARKOV
5
R
T
0
0
0
0
0
0
0
0
0
0 0.05 0.05
0
0
1
0
0
0
0.9
0
1
0.5 0.4
2
4
0.7 0.5
0
9
0.8 0.7
5
2
1.1 0.9
1
4
0.0 1.0
0
5
0.
1 60
0.
40
0.
2 47
0.5
3
0.
3 36
0.6
4
0.
4 16
0.8
4
0.
5 05
0.9
5
CADENAS DE MARKOV
10
25
0 x 0.4
15
79.
0 x 0.53 = 5
12
76.
0 x 0.64 = 8
80 x 0.84 =
67.
2
50 x 0.95 =
47.
5
TOT
AL
10
= 0
37
1
APLICACIN 8
APLICACIN 9
En un proceso productivo las piezas una vez procesadas son inspeccionadas
para determinar si son rechazadas, reprocesadas o aceptadas para su
posterior venta. Estadsticamente el 80% de las piezas son aceptadas y el
5% son rechazadas.
a) Si el costo de proceso es de $15 por pieza y el de reproceso $5. Cul
sera el costo de un tem que termine en ventas?.
b) En un lote de 10000 piezas cuntas sern rechazadas?
CADENAS DE MARKOV
11
T =
Q =
inicio
inspcc.
acept.
rech.
inicio
0
0
0
0
inspcc
.
acept. rech.
1
0
0
0.15
0.8
0.05
0
1
0
0
0
1
inicio
inspcc.
inicio
0
0
inspcc
.
1
0.15
R =
acept. Rech.
acept.
0
0
rech.
0.8
0.05
inicio
I =
(I-Q)-1 =
inicio
inspcc
.
1
0
inspcc
.
1.176
5
1.176
5
acept.
((I-Q)^-1)*R
=
inicio
inspcc
.
rech.
0.058
0.941
8
0.058
0.941
8
APLICACIN 10
Una fbrica de jabn se especializa en jabn de tocador de lujo. Las ventas
de este jabn fluctan entre dos niveles bajo y alto- y dependen de dos
CADENAS DE MARKOV
12
Alta
T=
II.
0.5
0.75
Alta
T=
III.
0.5
0.25
Baja
0.75
0.5
Baja
0.25
0.5
Alta
Baja
CADENAS DE MARKOV
13
T=
0.5
0.5
0.5
0.5
= .T
A + B = 1
[A B ] = [A B ]*
0.5
0.25
0. 5
0.75
= (0.33
0.67)
= .T
A + B = 1
[A B ] = [A B ]* T=
0.75
0.5
= (0.67
0.25
0.5
0.33)
= .T
A + B = 1
[A B ] = [A B ]* T=
0 .5
0 .5
= (0.5
0 .5
0.5
0.5)
CADENAS DE MARKOV
14
I.
0.67)
2 000 000
0 000 000
2 000 000
0.33)
4 000 000
1 000 000
3 000 000
= .T
A + B = 1
[A B ] = [A B ]* T=
0.5
0.5
= (0.5
0.5
0.5
0.5)
CADENAS DE MARKOV
15
APLICACIN 11.El estado de las cuentas por cobrar en una empresa se modela con
frecuencia como una cadena absorbente de Markov. Suponga que una
empresa supone que una cuenta es incobrable si han pasado ms de tres
meses de su fecha de vencimiento. Entonces, al principio de cada mes, se
puede clasificar cada cuenta en uno de los siguientes estados especficos:
Estado
Estado
Estado
Estado
Estado
Estado
1
2
3
4
5
6
Cuenta nueva.
Los pagos de la cuenta estn retrasados un mes.
Los pagos de la cuenta estn retrasados dos meses.
Los pagos de la cuenta estn retrasados tres meses.
Se ha saldado una cuenta.
Se ha cancelado la cuenta por ser mal pagador.
nueva
1 mes
2 meses
nueva
0
0
0
1 mes
0,6
0
0
2 meses
0
0,5
0
3 meses
0
0
0,4
pagada
0,4
0,5
0,6
CADENAS DE MARKOV
incobrabl
e
0
0
0
16
3 meses
pagada
incobrabl
e
I=
(I-Q)=
(1-Q)-1=
((1-Q)-1)R=
0
0
0
0
0
0
0
0
0,7
1
0,3
0
-0,6
-0,5
-0,4
0,6
0,3
0,12
0,5
0,2
0,4
a1
a2
t1
0,964
0,036
t2
0,94
0,06
t3
0,88
0,12
t4
0,7
0,3
Existe una probabilidad del 96.4% de que una cuenta nueva algn
da sea cobrada.
a2
CADENAS DE MARKOV
17
((1-Q)-1)R=
t1
0,964
0,036
t2
0,94
0,06
t3
0,88
0,12
t4
0,7
0,3
0,216667
0,236667
0,246667
0,252667
0,252667
CADENAS DE MARKOV
18
0,252667
0,252667
0,252667
0,252667
10
0,252667
11
0,252667
12
0,252667
APLICACIN 12
En la siguiente matriz de probabilidad de transicin se resume la
informacin del progreso de los estudiantes universitarios en una
universidad en particular.
19
1
0.15
0
0
0
0
0
1
2
3
4
G
A
T=
(I-Q)1
-1
(I-Q) R
2
0.65
0.1
0
0
0
0
3
0
0.75
0.05
0
0
0
4
0
0
0.85
0.05
0
0
1
0.18
2
0.85
3
0.67
4
0.6
2
3
4
0
0
0
1.11
0
0
0.88
1.05
0
0.78
0.94
1.05
1
0.54
2
0.46
2
3
4
0.71
0.85
0.95
0.29
0.15
0.05
G
0
0
0
0.9
1
0
A
0.2
0.15
0.1
0.05
0
1
2
3
4
1
0.54
0.7
1
0.85
0.95
2
0.46
0.29
0.15
0.05
2
CADENAS DE MARKOV
20
-1
(I-Q) R
0.54
0.4
6
2
3
4
0.71
0.85
0.95
0.29
0.15
0.05
(I-Q)1
1
2
3
4
1.11
0
0
0.88
1.05
0
0.78
0.94
1.05
1483 = 74.15%
X 0 =[ 0.30.26 0.230.21 0 0 ]
CADENAS DE MARKOV
21
APLICACIN 13
El 1 de enero (de este ao), las panaderas Klosman controlaban el
40% de su mercado local, mientras que las otras dos panaderas, A y
B, tenan 40 y 20 por ciento, respectivamente, del mercado.
Basndose en un estudio de una empresa de investigacin de
mercado, se compilaron los siguientes datos: la panadera Klosman
retiene el 90% de sus clientes, y gana el 5% de los clientes de A y el
10% de los de B. La panadera A retiene el 85% de sus clientes y gana
5% de los clientes de Klosman y 7% de los de B. La panadera B
retiene 83% de sus clientes y gana 5% de los clientes de Klosman y
10% de los de A.
a) Cul ser la participacin de cada empresa en 1 de enero del
ao siguiente.
22
Suponiendo
que
las
participaciones
se
recalculan
mensualmente con esta nueva matriz de transicin, el beneficio neto
de la iniciativa publicitaria para KLOSMAN vendra dada por:
BN
1
250
353
343.14
247.3582
86.612816
122.969458
6
9
369.088940
7
9
642.432245
8
5
CADENAS DE MARKOV
23
CADENAS DE MARKOV
24