Documente Academic
Documente Profesional
Documente Cultură
Facultad de Ingeniería
Departamento de Ingeniería Civil Industrial
INVESTIGACION DE OPERACIONES 2
PARTE II
PROCESOS ESTOCASTICOS
Número 4
de
3
compradores
en el
2
sistema
1
0
20 40 60 80 100
Tiempo (en minutos)
Entonces:
i i− j
pij = p (1 − p) j
j
La probabilidad p ij = IP ( X n + 1 = j / X n = i) , no depende
de la etapa n.
IP ( X 0 = 1)
IP ( X = 2 )
f =
0 0
IP ( X 0 = M )
IP ( X n = j ) = ∑ IP ( X n = j / X n −1 = i ) IP ( X n −1 = i )
i
= ∑ pij IP ( X n −1 = i )
i
IP ( X n = 1) p11 p21 ⋅⋅ p M 1 IP ( X n −1 = 1)
IP ( X = 2) p p22 ⋅⋅ p M 2 IP ( X n −1 = 2)
n 12
fn = =
IP ( X n = M ) p1M p2 M ⋅⋅ p MM IP ( X n −1 = M )
f n = PT f n-1 = (PT)n f 0
Ejemplo a.-
Considere una tienda que mantiene un inventario de un
producto dado para satisfacer una demanda
(aleatoria). La demanda diaria D, tiene la siguiente
distribución:
IP (D = 0) = 1/4, IP (D = 1) = 1/2,
IP (D = 2) = 1/4, IP (D >= 3) = 0
Se tiene que:
IP( x0 = 1) 0
f =
0
=
IP( x0 = 2) 1
pi , j = IP( X n +1 = j / X n = i ) ; i, j ∈ {1,2}
Luego:
p11 = IP( D = 0) = 1 / 4
p12 = IP( D ≥ 1) = 3 / 4
p21 = IP( D = 1) = 1 / 2
p22 = IP( D = 0) + IP( D ≥ 2) = 1 / 2
Ejemplo b.-
p (n)
ij = IP ( X n = j / X 0 = i ) > 0
p (n)
ii = IP ( X n = i / X 0 = i ) > 0
Fk (i, j ) = IP (T (i, j ) = k )
es decir :
Fk (i, j ) = IP ( X k = j , X k −1 ≠ j ,..., X 1 ≠ j / X 0 = i )
F1 (i, j ) = pij
Fk = (i, j ) = ∑ pim Fk −1 ( m, j ), k >1
m≠ j
De modo que:
∞
F (i, i ) = ∑ Fk (i, i )
k =1
∞
x) Sea IE(T(i, i)) = ∑k =1k Fk (i, i) , el valor esperado de el
número de etapas que le toma al proceso volver al estado
i por primera vez, partiendo del estado i.
Ejemplo
Es una cadena
irreducible, de
0 1 0 0
1 / 2 estados recurrentes
0 1/ 2 0
p= positivos y todos
0 0 0 1
1 sus estados son
0 0 0 periódicos de
periodo d=2.
Proposición.
Sea {Xn}n=0,1,2 una cadena de Markov irreducible con
estados recurrentes positivos aperiódicos, entonces
existe una distribución estacionaria π, tal que π > 0
y que se obtiene como la solución única del sistema:
π=P π T
∑ πj = 1
j
πj ≥ 0
1/2 1/2
1 / 2 1 / 2 0
p = 0 1/ 3 2 / 3 1
1/3 2 1/3
1 / 3 1 / 3 1 / 3
1/3
2/3
3
1/3
π = PT π
π1 + π 2 + π 3 = 1
b.- Cadenas de Markov
IO2 Parte 2: Procesos Estocásticos
Sistema que corresponde a las siguientes
ecuaciones:
1 1
(1) π1 = π1 + π 3
2 3
1 1 1
(2 ) π 2 = π 1 + π 2 + π 3
2 3 3
2 1
(3 ) π 3 = π 2 + π 3
3 3
( 4 ) π1 + π 2 + π 3 = 1
2
de (1) π1 = π 3
3
de (2 ) π 2 = π 3
2
así π3 + π3 + π3 = 1
3
1 3
∴ Solución π1 = π2 = π3 =
4 8
Ejemplo:
Una compañía esta considerando emplear cadenas de
markov para analizar los cambios en las preferencias
de los usuarios por tres marcas distintas de un
determinado producto. El estudio ha arrojado la
siguiente estimación de la matriz de probabilidades
de cambiarse de una marca a otra cada mes:
1 2 3
1 0.8 0.1 0.1
2 0.03 0.95 0.02
3 0.2 0.05 0.75
IP( X 0 = 1) = 0.45 0 .8 0 .1 0 .1
f 0 = IP( X 0 = 2) = 0.25 P = 0.03 0.95 0.02
IP( X 0 = 3) = 0.30 0.2 0.05 0.75
π=PT π
Σ πi = 1 ; i = 1,2,3.
Propiedad Markoviana:
IP( X t + s = j / X u = X (u), 0 ≤ u ≤ t , X t = i)
= IP( X t + s = j / X t = i)
Propiedad Estacionaria
4
Xt
3
2
1
Se necesita explicitar:
i) Probabilidades de transición pij (asumiendo pii=0)
ii) Tasas vi de los tiempos exponenciales Ti de
permanencia en el estado i.
Distribución de Xt :
pij ( t ) = IP( X t = j / X 0 = i)
Estas probabilidades satisfacen:
d
pij ( t ) = ∑ pik ( t )vkpkj − v jpij ( t )
dt k≠ j
π j = lim pij ( t )
t→∞
0= ∑ πk vkpkj − v jπ j ; j = 1,2,... ∑ πj = 1
k≠ j j
O equivalentemente el sistema:
v jπ j = ∑ πk vkpkj ; j = 1,2,... ∑ πj = 1
k≠ j j
Ejemplo :
En el puerto de Valparaíso existen N trenes
encargados de traer cargas de contenedores
desde los buques hasta una unidad de descarga.
En esta unidad existen c grúas ( c < N) para
descargar los trenes. El tiempo que le toma a una
grúa descargar un tren es exponencial a tasa µ.
Un tren deja la unidad de descarga cuando la
grúa termina de atenderlo y vuelve con una nueva
carga después de un tiempo exponencial de tasa
λ. Formular un modelo que nos permita obtener
en el largo plazo :
vj= j µ+ (N – j) λ
pj,j-1= j µ / (j µ + (N – j ) λ) j > 0
pj,j+1=( N- j ) λ / (j µ + (N – j ) λ)
vj= c µ+ (N – j) λ
pj,j-1= c µ / (cµ + (N – j ) λ)
pj,j+1=( N - j ) λ / (cµ + (N – j ) λ) ( j ≤ N )
N λ π0 = µ π1
[µ + ( N – 1 )] = N λ π0 + 2 µ π2
...
[cµ + ( N – c ) λ] πC = (N –( c – 1)) λ πc-1 + c µ πC+1
...
[cµ + λ] πN-1 = 2 λ πN-2 + c µ πN
c µ πN = λπN-1
π1+ π1+...+ πN = 1
c −1
∑ πn
n=0