Procesos Markovianos

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería

Métodos Probabilísticos
Informe Actividad 10: Trabajo Colaborativo No. 2 2013 - I
TRABAJO COLABORATIVO 2
PROCESOS MARKOVIANOS
GRUPO: 104561-25
PRESENTADO POR:
FABIAN RICARDO MEDRANO
BEATRIZ PATRICIA PACHON
DIANA MARIA ZULUAGA
ANA PERDOMO
ALCIDES LEONARDO GONZALEZ
PRESENTDO A:
VLADIMIR DE JESUS VANEGAS
(Tutor del curso)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
INGENIEIRIA INDUSTRIAL
METODOS PROBABILISTICOS
MAYO 2013
INTRODUCCION
Los Métodos Probabilísticos nos permiten conocer con un cierto nivel de certeza como se
podría comportar un sistema a futuro. Por lo cual a los métodos que utilizan variables
aleatorias que varían con el tiempo se les conoce como métodos estocásticos, En la
teoría de la probabilidad, un proceso aleatorio o proceso estocástico es un concepto
matemático que sirve para caracterizar es una sucesión de variables aleatorias
(estocásticas) que evolucionan en función de otra variable, generalmente, el tiempo.
Un ejemplo de ellos es el proceso Markoviano, el cual consiste en asociar probabilidades

a cada uno de los posibles resultados dentro de cada línea de acción para un
determinado tiempo. De esta forma se podrá así determinar la probabilidad final de
encontrarse en un estado determinado en el tiempo especificado.
El proceso de Markov analiza y determina la situación o comportamiento del sistema a

futuro empleando las probabilidades de pasar de un estado a otro para tiempos
determinados, por eso se le considera un método estocástico porque considera nuevas
probabilidades para cada tiempo y/o para cada estado. Generalmente se utiliza una
variable discreta de asociación de probabilidades a los diferentes estados para simplificar
los cálculos.
OBJETIVOS
Objetivo General
 Identificar los diferentes algoritmos utilizados para solucionar problemas de Cadenas

de Markov, teoría de colas y programación no lineal.
 Proponer y plantear problemas de aplicación donde se utilicen los Modelos Prototipo

para solucionar problemas de Cadenas de Markov, teoría de colas y programación no
lineal.
Objetivos Específicos
 Reconocer los conceptos de cadenas de Markov, Teoría de Colas y Programación

no lineal, implícitas en Métodos probabilísticos.
 Resolver ejercicios donde se aplican cada uno de los conceptos de Cadena de

Markov, Teoría de Colas, Programación No Lineal y Programación Lineal.
 Establecer diferencias entre Programación No Lineal y Programación Lineal.

ACTIVIDADES
1. cuadro comparativo entre las cadenas de Markov, la teoría de juegos, la teoría de colas, pronósticos y los modelos EOQ
de inventarios
PROCESOS
MARKOVIAN CONCEPTOS CARACTERISTICAS APLICACIONES
OS
 Es una herramienta para analizar el
comportamiento y el gobierno de
determinados tipos de procesos
estocásticos, esto es, procesos que Una cadena de Markov es una secuencia X1, X2, X3,…
En los negocios, las cadenas
evolucionan de forma no de variables aleatorias.
de Markov se han utilizado
determinística a lo largo del tiempo El rango de estas variables, es llamado espacio estado,
para analizar los patrones de
en torno a un conjunto de estados. el valor de Xn es el estado del proceso en el tiempo n. Si
compra de los deudores
CADENAS  En matemáticas, se define como un la distribución de probabilidad condicional de Xn+1 en
morosos, para planear las
DE MARKOV proceso estocástico discreto que estados pasados es una función de Xn por sí sola,
necesidades de personal y
cumple con la Propiedad de entonces:
para analizar el reemplazo
Markov, es decir, si se conoce la Donde xi es el estado del proceso en el instante i. La
de equipo.
historia del sistema hasta su identidad mostrada es la Propiedad de Markov.
instante actual, su estado presente
resume toda la información
relevante para describir en
probabilidad su estado futuro.
La teoría de juegos es un área de la
matemática aplicada que utiliza
modelos para estudiar interacciones la teoría de juegos se usa
en estructuras formalizadas de actualmente en muchos
incentivos (los llamados «juegos») y Se ocupa del estudio formal de aquellas situaciones en campos, como en la
llevar a cabo procesos de decisión. las que un agente toma una decisión, consciente de que biología, sociología,
Sus investigadores estudian las tendrá consecuencias para otros agentes. psicología y filosofía
TEORIA DE estrategias óptimas así como el
JUEGOS comportamiento previsto y Es una extensión de la teoría de la decisión, en esta el La teoría de juegos ha sido
observado de individuos en juegos. resultado de un agente depende de su propio utilizada en muchas
Tipos de interacción aparentemente comportamiento (racional) y de la situación de la decisiones empresariales,
distintos pueden, en realidad, naturaleza (aleatoria). económicas, políticas o
presentar estructura de incentivo incluso para ganar jugando
similar y, por lo tanto, se puede al póker.
representar mil veces
conjuntamente un mismo juego
 La Teoría de Cola o de la Línea de  Usando teoría de probabilidad se derivan las
Espera que se basa en describir el características operativas del problema, como ser
arribo o la partida (o servicio) por tiempo de espera hasta que el servicio del cliente sea
distribuciones de probabilidad completado, porcentaje de tiempo desocupado por
 Resulta útil para analizar
apropiadas. servicio, etc., con tales elementos, el analista hace
muchos de los problemas
inferencias de la operación del sistema y puede
relacionados al diseño del
 La Teoría de Cola no es una ajustarlos para asegurar una efectiva utilización desde
proceso.
técnica de optimización, sino una el punto de vista del cliente y del servidor.
 Los modelos sirven para
herramienta que utiliza fórmulas  Existen dos clases básicas de tiempo entre llegadas:
encontrar un buen
analíticas (limitadas por  Determinístico, en el cual clientes sucesivos llegan en
compromiso entre costes
suposiciones matemáticas. No se un mismo intervalo de tiempo, fijo y conocido. Un
del sistema y los tiempos
asemejan a una situación real, pero ejemplo clásico es el de una línea de ensamble, en
promedio de la línea de
da una primer aproximación a un donde los artículos llegan a una estación en intervalos
espera para un sistema
problema y a bajo costo), que invariables de tiempo (conocido como ciclos de
dado.
brindan información sobre el tiempo).
comportamiento de líneas de  Probabilístico, en el cual el tiempo entre llegadas
espera (estas se presentan cuando sucesivas es incierto y variable. Los tiempos entre
"clientes" llegan a un "lugar" llegadas probabilísticos se describen mediante una
demandando un servicio a un distribución de probabilidad.
"servidor" el cual tiene una cierta  En el caso probabilístico, la determinación de la
capacidad de atención y no está distribución real, a menudo, resulta difícil. Sin embargo,
disponible inmediatamente y el una distribución, la distribución exponencial, ha probado
cliente decide esperar). ser confiable en muchos de los problemas prácticos. La
TEORIA DE función de densidad, para una distribución exponencial
COLAS depende de un parámetro, digamos  (letra griega
lambda), y está dada por: f(t)=(1/  )e  t
En donde  (lambda) es el número promedio de llegadas
en una unidad de tiempo.
Con una cantidad, T, de tiempo se puede hacer uso de
la función de densidad para calcular la probabilidad de
que el siguiente cliente llegue dentro de las siguientes T
unidades a partir de la llegada anterior, de la manera
siguiente:
P(tiempo entre llegadas <=T)=1-e  t
- La cantidad de unidades
1. Demanda constante y conocida que se pedirán "Q".
2. Un solo producto - El Costo Anual por
3. Los productos se producen o se compran en lotes ordenar.
La Cantidad Económica de Pedido 4. Cada lote u orden se recibe en un sólo envío - El costo Anual por
(EOQ) es un modelo de cantidad fija 5. El costo fijo de emitir una orden es constante mantener.
PRONÓSTIC
el cual busca determinar mediante la 6. El Lead Time (Tiempo de Espera) es conocido y - El costo Anual total.
OS Y LOS
intersección gráfica (igualdad constante - El número de órdenes o
MODELOS
cuantitativa) de los costos de ordenar 7. No hay quiebre de stock corridas que se deben
EOQ DE
y los costos de mantenimiento el 8. No existen descuentos por volumen colocar o iniciar
INVENTARIO
menor costo total posible (este es un El modelo considera los siguientes parámetros: respectivamente al año
S
ejercicio de optimización D: Demanda. Unidades por año (N).
matemática). S : Costo de emitir una orden - El tiempo entre cada orden
H : Costo asociado a mantener una unidad en inventario o corrida de producción
en un año (T).
Q : Cantidad a ordenar El periodo de consumo en
días
2 Problemas de aplicación
a. Formule como una cadena de Markov el siguiente proceso. El fabricante de

dentífrico AROMA controla actualmente 65% del mercado de una ciudad. (estado
inicial). Datos del año anterior muestran que 84% de consumidores de AROMA
continúan usándola, mientras que 16% de los usuarios de AROMA cambiaron a
otras marcas. Además 80% de los usuarios de la competencia permanecieron
leales a estas otras marcas, mientras que 20% restante se cambió a AROMA.
Considerando que estas tendencias continúan, determínese la parte del mercado
que corresponde a AROMA: en 3 años y a largo plazo. (Dibuje el diagrama de
estados correspondiente a la cadena de Markov).
PROBABILIDAD PROBABILIDAD
ESTADO 1 (S1) ESTADO 2 (S2)
INICIO 0,65 0,35
1 0,616 0,384
2 0,594 0,406
3 0,580 0,420
Según los datos anteriores, a dentífricos AROMA le corresponde un 61,6% del

mercado en el año 1, del año 2 le corresponde un 59,4% y del año 3 le corresponde
un 58% del mercado.
 A LARGO PLAZO
Tomamos la ecuación 1. Y 3.
Reemplazamos el valor de en 1.
_Lo anterior significa que AROMA a largo plazo obtendrá el 55% del mercado mientras las
otras marcas solamente obtendrán el 45% del mercado
0,16
0,80
0,84
0,20
b. Utilice la siguiente información histórica de las ventas mensuales de un producto, para

pronosticar la demanda del mismo, en los dos meses siguientes mediante regresión lineal.
VENTAS
MES X (Y) XY
ENERO 1 7 7 1
FEBRERO 2 11 22 4
MARZO 3 13 39 9
ABRIL 4 14 56 16
TOTAL 10 45 124 30
3. Sharp,Inc., una compañía comercializadora de agujas hipodérmicas indoloras,

está interesada en reducir el costo de su inventario determinando el número óptimo
de agujas hipodérmicas que debe solicitar en cada orden. Su demanda anual es
1000 unidades; el costo de ordenar o preparar es de $10 por orden y el costo de
mantener por unidad por año es de $0.50. Con estas cifras calcular el número
óptimo de unidades por orden, el número de pedidos por año y el costo total del
inventario teniendo en cuenta que el costo unitario de las agujas es de es de $8.
D = 1000 unidades K = $ 10 por orden
H = $ 0.50 por año C = $8 por unidad
CALCULO DE LA CANTIDAD ÓPTIMA DE PEDIDO
La cantidad óptima de pedido es 200 unidades
CALCULO DE NÚMERO DE PEDIDOS POR AÑO
El número de pedidos por año es de 5

CALCULO EL COSTO TOTAL DEL INVENTARIO
4. El departamento de comercialización de la marca X hizo una investigación y

encontró que, si un cliente compra su marca, existe un 70% de posibilidades de que
la compre de nuevo la próxima vez, por otro lado, si la última compra fue de otra
marca, entonces se escoge la marca X sólo el 20% del tiempo. ¿Cuál es el
porcentaje de mercado que puede pronosticarse a la larga para la marca X.?
Matriz
S1 S2
S1 0.7 0.3
S2 0.2 0.8
La matriz limite tiene dos renglones idénticos, siendo la suma de sus componentes iguala
a la unidad. Se calculan utilizando la siguiente expresión
[x1,x2].P = [x1,x2]
[x1,x2]. 0.7 0.3 = [x1,x2]

0.2 0.8
Resultan 2 ecuaciones:
0.7 x1 + 0.2 x2=x1

0.3 x1 + 0.8 x2=x2
Y una tercera ecuación, clave para hallar la solución del sistema es
x1+x2=1
De las dos primeras ecuaciones escogemos 1, pues las dos resultan ser de la misma,
para trabajarla con la tercera. Utilizamos cualquier método de solución de sistemas de
ecuaciones, como reducción, igualación o sustitución,
REDUCCIÓN
Para hallar x1
Para hallar x2
 0.7x1 + 0.2x2 = x1
x1 + x2 = 1
 0.3x1 + 0.8x2 = x2
x1 + x2 = 1
 0.7x1 + 0.2x2 - x1 = 0
x1 + x2 =1
 0.3x1 + 0.8x2 – x2 = 0
x1 + x2 =1
 0.7x1 + 0.2x2 - x1 = 0
(-0.2) ( x1 + x2 = 1)
 0.3x1 + 0.8x2 – x2 = 0
(-0.3) ( x1 + x2 = 1)
 0.7x1 + 0.2x2 - x1 = 0
- 0.2x1 - 0.2x2 = -0.2
 0.3x1 + 0.8x2 – x2 = 0
- 0.3x1 - 0.3x2 = -0.3
 0.7x1 + 0.2x2 - x1 = 0
- 0.2x1 - 0.2x2 = -0.2
 0.3x1 + 0.8x2 – x2 = 0
0.5x1 -x1 = -0.2 - 0.3x1 - 0.3x2 = -0.3
0.5x2 - x2 = -0.3
 -0.5x1 = -0.2
 -0.5x2 = -0.3
 x1 = -0.2/-0.5
 X2 = -0.3/-0.5
 x1 = 0.4
 X2 = 0.6
La solución del sistema es:
X1=0.4
X2=0.6
Lo que significa que la marca X capturará a la larga el 40% del mercado y las otras
marcas tendrán el 60 %.
CONCLUSIONES
Mediante el desarrollo del trabajo colaborativo 2, se puede concluir que el análisis de

markov es una forma de estudiar el movimiento actual de alguna variable, a fin de
pronosticar un movimiento futuro de la misma.
Con respecto a las “colas” se puede decir que son un aspecto de la vida moderna que nos
encontramos continuamente en nuestras actividades del diario vivir, ya que en cualquier
lado se utiliza este recurso, entrando al trabajo, en el supermercado, pagando recibos, el
fenómeno del as colas surge cuando unos recursos compartidos necesitan ser accedidos
para dar servicio a un elevado número de trabajos o clientes.
Todos los temas relacionados con métodos probálisticos, la verdad no parecieran que
tuvieran gran ciencia por ejemplo las colas ya que generalmente nadie se detiene
normalmente a analizar el desarrollo de la misma, sino simplemente pasan por el sistema
sin saber todo el estudio que hay detrás de este, por ello la importancia de aplicar estas
formas de programación no lineal.
Mediante el desarrollo de estos temas logramos obtener un conocimiento enorme el cual

podremos colocar en práctica en nuestro campo laboral, permitiendo un mejor desempeño
y evaluación de cualquier actividad.
BIBLIOGRAFIA
 William Germán Ortegon, Módulo 104561-Métodos probabilísticos
 Angel Saravia Viejo, La investigación operativa: Una herramienta para la adopción

de decisiones
 By Juan Prawda, Juan Prawda Witenberg, Métodos y modelos de investigación de

operaciones, Volume 1
WEBGRAFIA
 http://web.educastur.princast.es/proyectos/formadultos/unidades/matematicas_4/ud
1/3_2.html
 http://es.wikipedia.org/wiki/Cadena_de_Markov
 http://www.slideshare.net/kemperrivera/cadenas-de-markov-15274774

Procesos Markovianos

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Procesos Markovianos

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Un ejemplo de ellos es el proceso Markoviano, el cual consiste en asociar probabilidades

El proceso de Markov analiza y determina la situación o comportamiento del sistema a

 Identificar los diferentes algoritmos utilizados para solucionar problemas de Cadenas

 Proponer y plantear problemas de aplicación donde se utilicen los Modelos Prototipo

 Reconocer los conceptos de cadenas de Markov, Teoría de Colas y Programación

 Resolver ejercicios donde se aplican cada uno de los conceptos de Cadena de

 Establecer diferencias entre Programación No Lineal y Programación Lineal.

a. Formule como una cadena de Markov el siguiente proceso. El fabricante de

Según los datos anteriores, a dentífricos AROMA le corresponde un 61,6% del

b. Utilice la siguiente información histórica de las ventas mensuales de un producto, para

3. Sharp,Inc., una compañía comercializadora de agujas hipodérmicas indoloras,

D = 1000 unidades K = $ 10 por orden

H = $ 0.50 por año C = $8 por unidad

CALCULO DE LA CANTIDAD ÓPTIMA DE PEDIDO

La cantidad óptima de pedido es 200 unidades

CALCULO DE NÚMERO DE PEDIDOS POR AÑO

El número de pedidos por año es de 5

4. El departamento de comercialización de la marca X hizo una investigación y

[x1,x2]. 0.7 0.3 = [x1,x2]

0.7 x1 + 0.2 x2=x1

La solución del sistema es:

Mediante el desarrollo del trabajo colaborativo 2, se puede concluir que el análisis de

Mediante el desarrollo de estos temas logramos obtener un conocimiento enorme el cual

 William Germán Ortegon, Módulo 104561-Métodos probabilísticos

 Angel Saravia Viejo, La investigación operativa: Una herramienta para la adopción

 By Juan Prawda, Juan Prawda Witenberg, Métodos y modelos de investigación de

You might also like