UNIDAD ACADEMICA TANTOYUCA

INGENIERA INDUSTRIAL
ASIGNATURA:
INVESTIGACION E OPERACIONES II.
TEMA IV:
4.1 INTRODUCCION A LAS CADENAS DE MARKOV
4.2 PROBABILIDAD DE TRANSICIONES ESTACIONARIAS DE N PASOS

DOCENTE:
ING. FILEMON BENITO CLEMENTE.

INTEGRANTES DEL EQUIPO:

LEONARDO ARTURO MONROY SANTIAGO.
SERGIO SANTIAGO MARCOS.
BALTAZAR ROJAS DE LA CRUZ.

GRADO: 5 GRUPO:C

FECHA: 16/11/17
 INTRODUCCION

Andri Andryevich Markov

(Riazn, 1856 -San Petersburgo, 1922).

Matemtico ruso que desarroll la moderna teora de procesos

estocsticos. Trabaj casi en su totalidad de los campos de la
matemtica. En el campo de la teora de la probabilidad, profundiz
en las consecuencias del teorema central del lmite y en la ley de los
grandes nmeros. En su honor, lleva su nombre un tipo muy especial
de procesos estocsticos. (MetEst, CV, 2015).
 4.1. INTRODUCCIN A LAS CADENAS DE
MARKOV.

El estudio de como un variable aleatorio cambia con el tiempo incluye procesos

estocsticos. En particular, se fija la atencin en un tipo de proceso estocstico conocido
como cadena de Markov.

Las cadenas de Markov se han aplicado en reas como educacin, comercializacin,

servicios de salud, finanzas, contabilidad y produccin.
(Winston L. Wayne Pag. 922, 2005).
 4.1. INTRODUCCIN A LAS CADENAS DE
MARKOV.

Qu es un proceso estocstico?

Un proceso estocstico se define como una coleccin conjunta de variables aleatorias ,

donde el subndice t toma valores de un conjunto T (matriz) dado. Con frecuencia T se considera
el conjunto de enteros o probabilidades no negativos mientras que representa una
caracterstica de inters cuantificable en el tiempo t.

Por ejemplo, puede representar los niveles de inventario al final de la semana t.

(Hillier, Lieberman; Pag. 673, 2010).
 4.1. INTRODUCCIN A LAS CADENAS DE
MARKOV.
Propiedad de Markov.
Conocido el estado del proceso en un momento dado ( ), su comportamiento futuro +1 , no
depende del pasado (1 ).
Es decir dado el presente, el futuro es independiente del pasado

+1 = +1 0 = 0 , . . , =
= +1 = +1 =

Elementos que la componen.

Periodo de tiempo para examinar las transiciones entre estados.
Probabilidad de transicin entre estados.
Distribucin inicial de los M estados.
 4.1. INTRODUCCIN A LAS CADENAS DE
MARKOV.

Un proceso estocstico (t = 0, 1, . . .) es una cadena de Markov si presenta la propiedad

markoviana. (Hillier, Lieberman; Pag. 675, 2010).

Las probabilidades condicionales P +1 = | = de una cadena de Markov se llaman

probabilidades de transicin (de un paso). Si para cada i y j,
+1 = = = P 1 = 0 = , = 1, 2, ,
 Ejemplo 1
En un pueblito el clima puede cambiar de un da para otro, considere solo 2 estados de tiempo:
clima seco y clima lluvioso. La probabilidad de tener un clima seco al da siguiente es de 0.8, si el
da actual es seco. Pero si el clima es lluvioso la probabilidad de que el da siguiente sea seco es
de 0.6, suponga que dichos valores no cambian en el tiempo. (Hillier, Lieberman; Pag. 676,
2010).

a) Matriz de transicin.
b) Diagrama de transicin.
c) Probabilidad del estado estable del sistema.
 A) MATRIZ DE TRANSICIN.

Definimos la variable X=estado del

clima

Estado siguiente +
Estado actual 0 1
0 = . = .
1 = . = .
 B) DIAGRAMA DE TRANSICIN.

Definimos la variable X=estado del

clima

seco lluvioso
 C) PROBABILIDAD DEL ESTADO ESTABLE DEL SISTEMA.
Para una matriz de transicin de 2x2 se plantean las siguientes ecuaciones:

1) 0 = P00 0 + P10 1 1) 0 = 0.80 + 0.61 0 = 1 1

2) 1 = P01 0 + P11 1 0 = 1 0.25
3) 1 = 0 + 1 0 = 0.75
1 1 = 0.8 1 1 + 0.61
1 1 = 0.8 0.81 + 0.61 Conclusin
1) 0 = 0.80 + 0.61 0.81 0.61 1 = 0.8 1 = .
2) 1 = 0.20 + 0.41 0.21 1 = 0.2 = .
0.81 = 0.2 Comprobacin
3) 1 = 0 + 1 1 = 0.2
0.8
1 = +
0 + 1 = 1 1 = . + .
0 = 1 1 1 = 0.25 1=1
 4.2. PROBABILIDAD DE TRANSICIONES ESTACIONARIAS DE N PASOS.
Las ecuaciones de Chapman-Kolmogorov proporcionan un mtodo para calcular estas
probabilidades de transicin de n pasos :

Estas ecuaciones simplemente sealan que al ir de un estado i al estado j en n pasos, el

proceso estar en algn estado k despus de exactamente m ( menor que n) pasos. As que
entonces, es solo las probabilidad condicional de que, si se comienza en el estado i, el proceso
vaya al estado k despus de m pasos y despus al estado j en n-m pasos.
 4.2. PROBABILIDAD DE TRANSICIONES ESTACIONARIAS DE N PASOS.
Para toda i, j, y n de lo cual resulta que las probabilidades de transicin de n
pasos se pueden obtener a partir de las probabilidades de transicin de un paso
de manera recursiva. Para n=2, estas expresiones se vuelven :

Note que las son los elementos de la matriz P(2) , pero tambin debe de observarse que estos
elementos, se obtienen multiplicando la matriz de transicin de un paso por s misma;

esto es , P(2) = P * P = P2 . En trminos ms generales, se concluye que la matriz de

probabilidades de transicin de n pasos se puede obtener de la expresin : P(n) = P * P .... P = Pn
= PPn-1 = Pn-1 P.
 Ejemplo 2.1
Cada ao, durante la temporada de siembra de marzo a septiembre, un jardinero realiza una
prueba qumica para verificar la condicin de la tierra. Segn el resultado de la prueba, la
productividad en la nueva temporada puede ser uno de tres estados:(1) buena,(2) regular y (3)
mala. A lo largo de los aos, el jardinero ha observado que la condicin de la tierra del ao
anterior afecta la productividad del ao actual y que la situacin se describe mediante la
siguiente cadena de Markov: (TAHA, 2012)
 Ejemplo 2.1
Las probabilidades de transicin muestran que la condicin de la tierra puede o deteriorarse
o permanecer como est pero nunca mejorar. Por ejemplo, si la condicin de la tierra es
buena en este ao (estado 1) hay 20% de que no cambie el ao siguiente,50% de
probabilidad de que sea regular (estado 2),y 30% de probabilidad de que se deteriorar a
una condicin mala (estado 3).El jardinero modifica las probabilidades de transicin P
utilizando un fertilizante orgnico. En este caso, la matriz de transicin se vuelve: (TAHA,
2012)

El uso de fertilizante puede conducir a mejorar las condiciones del suelo.

 Ejemplo 2.1

La condicin inicial de la tierra es buena, es decir (0) = (1,0,0). Determine las probabilidades
absolutas de los tres estados del sistema despus de 1,8 y 16 temporadas de siembra. (TAHA,
2012)

Por lo tanto, las probabilidades absolutas requeridas se calculan como:

 Ejemplo 2.1

Las filas de P8 y el vector de probabilidades absolutas a(8) son casi idnticos. El resultado es
ms evidente para P16. Ello demuestra que, a medida que la cantidad de transiciones aumenta,
las probabilidades absolutas se vuelven independientes del a(0) inicial. Las probabilidades
resultantes se conocen como probabilidades de estado estable. (TAHA, 2012)
 BIBLIOGRAFIA
TAHA, H. A. (2012). INVESTIGACIN DE OPERACIONES. (P. Educacin, Ed.) Naucalapan de
Jurez, Estado de Mxico, Atlacomulco: NOVENA EDICIN.

Winston, W. L. (2005). Investigacin de Operaciones APLICACIONES Y ALGORITMOS (Vol. cuarta

edicin). Mxico: International Thomson Editores, S,A.

Hillier, F. S., & Lieberman, G. J. (2010). INTRODUCCIN A LA INVESTIGACIN DE

OPERACIONES. Mxico, D.F.: Mc Graw Hill; 9 edicin.