PROYECTO CADENA DE MARKOV EN TIEMPO DISCRETO

Presentado por:
XXXXXXXXXXXXXXXXXXXXXXX
Código XXXXXXXXXXX
XXXXXXXXXXXXXXXXXXXXXXX
Código XXXXXXXXXXX
XXXXXXXXXXXXXXXXXXXXXXX
Código XXXXXXXXXXX
XXXXXXXXXXXXXXXXXXXXXXX
Código XXXXXXXXXXX
XXXXXXXXXXXXXXXXXXXXXXX
Código XXXXXXXXXXX
XXXXXXXXXXXXXXXXXXXXXXX
Código XXXXXXXXXXX

Presentado a:
XXXXXXXXXXXXXXXXXXXXXX

POLITECNICO GRANCOLOMBIANO
PROGRAMACION ESTOCÁSTICA
2017 

.................. TABLA DE CONTENIDO Tabla de contenido Introducción...........................3 Objetivo General 3 Objetivos específicos 3 La empresa.....................................4 Equipo de trabajo 4 ..............................................................................................................................................

 Implementar la cadena de Markov en tiempo Discreto. En este estudio de casos se analizaran las metodologías adecuadas para contrarrestar los efectos adversos de la fase de implementación de la herramienta de ingeniería. aplicados en los procesos estocásticos y la cadena de Markov de tiempos discreto. La Empresa busca implementar y desarrollar un modelo estocástico que se ajuste a la idea del Gerente en cuanto a la promoción de la FIA. Página 3 de 12 . OBJETIVOS ESPECIFICOS  Aplicar las definiciones y conceptos de procesos estocásticos para el modelamiento de la empresa.  Modelar el problema como proceso estocástico en tiempo discreto. la cual se basa en generar un ranking a pequeña escala y así poder establecer una categorización para los pilotos de la F1 y de los Equipos. generando acciones correctivas y estableciendo estrategias de mejora continua fundamentadas en la medición y control de las operaciones. OBJETIVO GENERAL Aprender acerca de las funciones y los conceptos básicos de densidad y probabilidad.  Interpretar la técnica probabilística y estocástica de los sistemas que pueden ser modelados como Cadena de Markov en tiempos Discreto. mediante la utilización de acuerdo a la técnica y destreza de cada herramienta propia de la ingeniería y así lograr la compresión de métodos matemáticos indispensables que nos ayuden a solucionar los problemas y discusiones cotidianas presentadas en el área de ingeniería de la empresa. INTRODUCCIÓN El siguiente Proyecto consiste en la representación de la aplicación del método de Cadena de Markov en Tiempo Discreto.

Manteniendo todas los entandares de innovación y calidad. altamente motivados y mediante la coordinación.A se apoyada con profesionales competentes. Equipo de Trabajo Vian System S. Página 4 de 12 .La Empresa Vian System S. ejecución y control de las actividades programadas. con precios accesibles y una mejor calidad de servicios de investigación. La misión de la empresa está orientada a la prestación de servicios de alta calidad en el área de investigación de mercadeo.A es una empresa dicada a la investigación de mercadeo y estadística Ubicada en la ciudad de Bogotá en la siguiente dirección carrera 151 N72-34. fue constituida en el año 2015 por un grupo de estudiantes de la facultad de ingeniería Industrial de la universidad Politécnico Grancolombiano.

Posteriormente la hoja “Correspondencias” nos muestra qué los usuarios j están en la lista de contactos del usuario i.xlsx”. Implementación de Cadenas de Markov en tiempo discreto aplicada a grupos de Fórmula 1 en Facebook. La Matriz anterior aparece descrita en la hoja “Total de Contactos” del archivo Excel “Matrices del Proyecto. Por la información suministrada en la guía del proyecto solucionaremos un ejercicio de grupos de fórmula 1 en Facebook en el cual de describe cada uno de los 24 usuarios de la aplicación de Facebook para ello crearemos una matriz de incidencia que conexione a los diferentes usuarios en principios determinados. Página 5 de 12 .

∧e . La tabla de incidencias elaborada aparece descrita en la hoja “Incidencias” de Excel.La tabla anterior la utilizamos como soporte para realizar la matriz de incidencias.c . En la matriz “Mi” pertenece a la totalidad de amigos que tiene la persona “i”. Página 6 de 12 .∧iincluye a jentre sus amigos pij = M i 0. c . Continuando la indicación suministrada para la definición de la probabilidad de incidencia en cada posición { 1 .

Página 7 de 12 .Con la hoja “Correspondencias” de Excel. se seleccionaron específicamente los usuarios que se relacionaban entre sí de manera directa o indirectamente. los cuales se identifican en las hojas “Grupo de Pilotos N°1” y “Grupo de Pilotos N°2” de Excel. Se encuentra dos grupos notoriamente definidos.

PASO 4: El proceso anterior garantiza que la matriz P es estocástica.Por lo consiguiente en la hoja “Incidencias” de Excel en la parte inferior de la tabla donde se muestra los valores de la matriz de incidencias. sin embargo. lo cual nos representa un impedimento para que la matriz que nos dé como resultado sea estocástica. En la hoja “Total Contactos” de Excel también se ve reflejado que dicho piloto no tiene ningún contacto dentro de su aplicación. no está garantizado que la distribución límite de dicha matriz exista. allí se identifica que en una sola fila la de Sergio Pérez (SP). La propuesta que hicieron Página 8 de 12 . la suma es igual a 1. se efectúa la suma por filas de los términos correspondientes a la matriz.

850 3 . 573 Página 9 de 12 .85 1 1 1 0. es construir una nueva matriz como una combinación lineal de la matriz P con una matriz estocástica de perturbación: P=α∗P+1−α∗u∗uN En donde u es un vector columna que contiene unos en todas MTD irreducible y aperiódica.85 x 1 1 1 0 . 850 3 . 850 3 .85 1 1 1 1 0 . 723 3 . Construya la matriz P y verifique que es representa a una C [ ] u u a u u u u a P= a u u u u u u a [ ] 1 1 0 .85 P= P= 0. 85 1 1 1 1 0 .700 3. 550 3 .85 1 1 1 0 . 700 3 . 700 3 . 850 3 .85 = [ ] 3 .85 Encuentre la distribución límite de la CMTD del numeral anterior.700 3. 550 3 .700 3.85 1 1 1 1 1 1 0 .85 sus posiciones.Page y Brin3. 700 3 .723 3.85 P= 0. [ ] [ ] 1 1 0 . 573 P= 3 . y construya un Ranking de 1 a 10 directamente proporcional a la distribución límite para cada persona.85 1 1 1 1 1 1 0 . Utilice un α = 0.85 1 1 1 0 .

850 3 . 850 3 . que ya se encuentra en la distribución límite de la cadena. o en otras palabras.723 3 .700 3 . 700 3 . se puede concluir que se ha llegado a la distribución límite de una CMTD. a la matriz con solo elementos fijos le llamaremos matriz estacionaria u. 573 3 . Para esta matriz fue necesario multiplicarla hasta P16 para lograr identificar las matrices iguales. 850 3 . 550 3 . 93 52.700 3 . 700 3 . 07 54 .057” de que al largo plazo ocurra el estado 2 y existe una probabilidad de “0. [ ] 3 . 79 El sistema a analizar en este trabajo son matrices estocásticas P correspondientes a probabilidades de transición donde hay elementos de matriz con valor fijo u de probabilidad de transición esto es estacionarias y otros elementos a que a partir de su valor inicial se perturban de manera aleatoria de acuerdo a una distribución normal y se trata de llevar estas matrices a estado estable. 93 52. Según la matriz del ejemplo. 700 3 . El número de elementos variantes se elige como un parámetro a analizar.700 3 .700 3 . 723 3 . existe una probabilidad de “0. 850 3 . 850 3 .93 57. Página 10 de 12 . PASO 5: NOTA: LA MULTIPLICACIOIONES DE LAS MATRICES SE ENCUENTRAN EN EL EXCEL ADJUNTO A LA ENTREGA. pre-multiplicar o pos-multiplicar n-veces dicha matriz por si misma hasta que se llega a una situación donde los elementos de cada una de las columnas de la matriz resultante coinciden en un mismo valor a este se le llama estado estable. 550 3 . 573 P= 3 .700 3 .700 3 . A la matriz resultante se le puede llamar matriz de transición de n pasos. 850 3 . En lo sucesivo. 07 54 . 79 54 . 550 3 .028” de que al largo plazo ocurra el estado 3.93 57. 850 3 . 850 3 . 93 52. lo cual equivale a una variación de algunas de las características del sistema real en el tiempo. La variación de los elementos designados a ser perturbados se realiza en cada paso de aplicación de la matriz o sea cada vez que se multiplica P sucesivamente. 573 [ ] 54 .93 57. existe una probabilidad de “0.700 3 .723 3 . 07 54 . 07 54 . La forma de llevar una matriz de transición a estado estable mediante calculo numérico es aplicar a si misma dicha matriz. 550 [ ] 3 . es decir. y a la que tiene elementos variantes o con perturbación matriz perturbada a. 93 52. 79 P= 54 .700 3 . 79 54 . CONCLUSIONES DE LAS MULTIPLICACION DE LAS MATRICES: Teniendo en cuenta que en la matriz P16 se tienen que las 24 filas son idénticas.700 3 .723 3 .93 57.043” de que al largo plazo ocurra el estado 1. 573 P= 3 .

gracias a la ayuda de consultas. Página 11 de 12 . ejemplos e investigación. repaso. Este método es determinante a la hora hacer la clasificación que conlleve a que cada piloto encuentre amigos en común. CONCLUSION El anterior ejercicio nos ayudó a comprender la forma de como la incidencia de una matriz nos puede llevar a determinar cierta totalidad de un listado o en este caso de amigos en con relación a la fórmula 1. dado que algunos de nosotros no habíamos visto este tema. La dificulta que tuvo el grupo a la hora de empezar a planificar la matriz fue la clara identificación de los componentes de la fórmula ejercitada en el problema.

Páginas de consulta https://books.com. (1988).co/books? id=ranO6TGcP_wC&pg=PA45&dq=Cadena+de+Markov+en+Tiempo+Discreto&hl=es&s a=X&ved=0ahUKEwjD0Jeb9P3LAhXMfxoKHe6qCFEQ6AEILTAD#v=onepage&q&f=fals e Página 12 de 12 .co/books?id=ktiz9gi4I5UC&pg=RA1- PR2&dq=Cadena+de+Markov+en+Tiempo+Discreto&hl=es&sa=X&ved=0ahUKEwjD0Je b9P3LAhXMfxoKHe6qCFEQ6AEIRDAI#v=onepage&q=Cadena%20de%20Markov %20en%20Tiempo%20Discreto&f=false https://books. 621-629. Biometrika.google. Vol. L. “A Regression Model for Time Series of Counts”.com. BIBLIOGRAFIA Zeger. 4.google. S. 75.