Investigacion de Operaciones II

CADENAS DE MARKOV
MAI. YARA NILSA BAUTISTA MENDEZ

Integrantes:
Dominguez Cruz Eleana Martinez Zuloaga Gloria Nohemi

I.- INTRODUCCION: Proceso de Markov

Es un sistema estocstico en el que la ocurrencia de un estado futuro depende del estado inmediatamente precedente y slo de l. As, si t < t1 < tn (n= 0,1,2,) representan puntos en el tiempo, la familia de variables aleatorias {t } es un proceso de Markov, si sta posee la siguiente propiedad Markoviana:
n

P {tn = xn tn- = xn-1 }

1

Para todos los valores posibles de t0 , t1 , , tn.

 La probabilidad

P xn, Xn+m = {tn = xn tn- = xn-1 }

1

se llama probabilidad de transicion. Representa la probabilidad condicional de que el sistema este en xn en tn, dado que estaba en xn-1 en tn-1.

 Un proceso Markoviano sta formado por un conjunto de objetos y un conjunto de estados tales que: i. En cualquier momento dado cada objeto debera encontrarse en uno de los estados. ii. La probabilidad de que un objeto cambie de un estado a otro durante un periodo.

 El numero entero de periodos transcurridos desde el momento en que el proceso se inicia, representa las etapas del proceso, las cuales pueden ser finitas o infinitas. Si el numero de estados es finito o infinito contable, el proceso Markoviano es una Cadena de Markov. Una cadena finita de Markov es aquella que tiene numero finito de estados.

TEOREMA 1.-

Cada matriz estocstica tiene a 1 como un eigenvalor (posible multiplo) y ninguno de los eigenvalores excede a 1 en valor absoluto.

Ejemplo I.1.-

Ejemplo I.2. Formlese como una cadena de Markov el siguiente proceso. El fabricante de dentfrico Brillo controla actualmente 60% del mercado de una ciudad. Datos del ao anterior muestran que 88% de consumidores de Brillo continan usndola, mientras que 12% de los usuarios de Brillo cambiaron a otras marcas. Adems, 85% de los usuarios de la competencia permanecieron leales a estas otras marcas, mientras que 15% restante cambi a Brillo. Considerando que estas tendencias continan, determnese la parte del mercado que corresponde a Brillo: a) en 5 aos, y b) a largo plazo Se considera como estado 1 al consumo de dentfrico Brillo y al estado 2 como el consumo de una marca de la competencia. Entonces, P11, probabilidad de que un consumidor de Brillo permanezca leal a Brillo, es 0.88; P12, la probabilidad de que un consumidor de Brillo cambie a otra marca, es 0.12; P21, probabilidad de que el consumidor de otra marca cambie a Brillo, es 0.5; P22, probabilidad de que un consumidor de otra marca permanezca leal a la competencia, es 0.85. La matriz estocstica definida por estas probabilidades de transicin es:

 Sean E1, E2, . . . , Ej (j = 0, 1, 2, . . .) los estados exhaustivos y mutuamente excluyentes de un sistema en un tiempo cualquiera. Inicialmente, en el tiempo t0, el sistema puede estar en cualquiera de esos estados. Sean aj(0) (j = 0, 1, 2, . . .) las probabilidades absolutas de que el sistema se encuentre en el estado Ej en t0. Suponga adems que el sistema es Markoviano. Definimos
como la probabilidad de transicin de un paso, de pasar del estado i en tn-1 al estado j en tn, y suponemos que esas probabilidades de transicin del estado E al estado Ej se pueden arreglar ms convenientemente en forma de matriz como sigue:

 La matriz P se denomina matriz estocstica o matriz de transicin homognea porque todas las probabilidades de transicin pij son fijas e independientes del tiempo. Las probabilidades pj deben satisfacer las condiciones.

Debemos definir ahora una cadena de Markov. Una matriz P de transicin junto con las probabilidades iniciales {aj0}, asociados con los estados Ejt definen completamente una cadena de Markov. Se piensa por lo general que una cadena de Markov describe el comportamiento de transicin de un sistema en intervalos de tiempo igualmente espaciados. Sin embargo, existen situaciones donde los espaciamientos temporales dependen de las caractersticas del sistema y por ello, pueden no ser iguales entre s. Estos casos se denominan cadenas de Markov incrustadas.

POTENCIAS DE MATRICES ESTOCASTICAS

Dentese a la n-sima potencia de la matriz P por P = [pij]. Si P es estocstica, entonces representa la probabilidad de que un objeto cambie del estado i al estado j en n periodo. (Vase el problema 19.12). Se tiene que P es tamben una matriz estocstica.

EJEMPLO 19.12
Hay dos formas para que una familia permanezca estable despus de 20 aos, como se muestra en la figura 19-2 (a): o permanece estable durante los primeros 10 aos y durante los segundos 10 aos o se vuelve deprimida despus de 10 aos y despus regresa a la estabilidad despus de 10 aos. La probabilidad de que una familia estable siga siendo estable durante un periodo es de 0.92; la probabilidad de que permanezca estable durante dos periodos es (0.92)(0.92); la probabilidad de que una familia estable se vuelva deprimida en 10 aos es de 0.08 y la probabilidad de que una familia deprimida se vuelva estable durante los prximos 10

MATRICES ERGODICAS
Una matriz estocastica P es ergodica si existe lim Pn esto es si cada Pij tiene un limite conforme n. Se denota la matriz limite, que es necesariamente una matriz estocastica, por L. Los componentes de X () definimos por la ecuacion: son las distribuciones de estado lmite y representan las proporciones aproximadas de objetos en los diferentes estados de una cadena de Markov, despus de un gran nmero de periodos.

EJEMPLO 19.6

MATRICES REGULARES
Una matriz estocstica es regular si una de sus potencias contiene slo elementos positivos. Si P es regular, con matriz lmite L, entonces los renglones de L son idnticos unos a otros, siendo cada uno de ellos el nico eigenvector izquierdo de P asociado con el eigenvalor X = 1 y siendo la suma de sus componentes igual a la unidad. (Vase el problema 19.13.) Dentese a este eigenvector por E,. Se tiene directamente a partir de (19.2) que si P es regular, entonces, independientemente de la distribucin inicial X(0),

EJEMPLO 19.3

EJEMPLO GENERAL
Supongamos que el clima de una determinada regin slo puede ser soleado (s1) o nublado (s2) y que las condiciones del clima en maanas sucesivas forman una cadena de Markov con probabilidades de transicin estacionarias. La matriz de transicin est dada por:

 Si un da concreto est nublado, cul es la probabilidad de que est nublado el da siguiente? Suponemos que la probabilidad de que el mircoles haga sol es 0.2 y la probabilidad de que est nublado es 0.8.

 Calcular: 1. Probabilidad de que est nublado el jueves. 2. Probabilidad de que est nublado el viernes. 3. Probabilidad de que est nublado el sbado.

SOLUCIN

CONCLUSION
De acuerdo a los datos obtenidos del da mircoles (si estar soleado o nublado), se obtuvo la probabilidad de estar nublado el da jueves, y con la probabilidad del jueves se obtuvieron las del viernes, y con la del viernes se obtuvo la del sbado. Teniendo para El jueves el 62% de probabilidad de que este soleado y el 38% de probabilidad de que este nublado. El viernes el 66.2% de probabilidad de que este soleado y el 33.8% de probabilidad de que este nublado. El sabado el 66.62% de probabilidad de que este soleado y el 33.38% de probabilidad de que este nublado.

Investigacion de Operaciones II

MODELOS DE REDES
MAI. YARA NILSA BAUTISTA MENDEZ

Integrantes:
Dominguez Cruz Eleana Martinez Zuloaga Gloria Nohemi

 Una red es un conjunto de puntos, denominados nodos, y un conjunto de curvas, denominadas ramas (o arcos o eslabones), que conectan ciertos pares de nodos. Aqu solamente se considerarn aquellas redes en las cuales un par dado de nodos est unido mximo por una rama. Los nodos se denotan con maysculas y las ramas por los nodos que conectan.

MODELOS DE REDES

nodo o evento: representa un aspecto importante de un problema

arco o flecha: lnea que conecta dos nodos en un diagrama esquemtico que representa una relacin entre estos dos nodos (define el sentido de la relacin).

26

 Grficamente podemos observamos:

B E

RUTA 1
H A C F J

I D G

RUTA 2

 Se dice que una rama es orientada si tiene una direccin asociada. Esquemticamente, las direcciones se indican mediante flechas. La flecha en la rama AB en la figura 15-1, indica que esta rama est dirigida de A hacia B. Cualquier movimiento a lo largo de esta rama debe originarse en A y terminar en B\ no est permitido el movimiento de B hacia A. Dos ramas son conexas si tienen un nodo comn. En la figura 15-1, las ramas AB y AC son conexas, pero las ramas AB y CD no son conexas. Una ruta es una secuencia de ramas conexas tales que en la alternacin de nodos y ramas no se repite ningn nodo. Una red es conexa si para cada par de nodos existe al menos una ruta que une al par. Si la ruta es nica para cada par de nodos, a la red conexa se le denomina rbol. Equivalentemente, un rbol es una red conexa que tiene un nodo ms que el nmero de ramas.

PROBLEMA DEL ARBOL DE EXTENCION MINIMA

Considere la situacin donde se desea crear una red de caminos pavimentados para conectar un cierto nmero de poblaciones rurales. Debido a limitaciones presupustales, el nmero de kilmetros de caminos por construirse debe ser el mnimo absoluto que permita la conexin directa o indirecta del trfico entre las diferentes poblaciones. . La situacin anterior se puede representar por una red donde las poblaciones representan nodos y los caminos propuestos representan ramas.

 El modelo resultante es caracterstico del problema del rbol de extensin mnima, donde se desea determinar el rbol extenso que proporciona la suma mnima de ramas conectoras. De hecho, el problema del rbol extenso mnimo consiste en encontrar las conexiones ms eficientes entre todos los nodos de la red, las que, por definicin, no deben incluir ningn lazo.

PROBLEMA DE LA RUTA MAS CORTA

En el sentido evidente, el problema de la ruta ms corta tiene que ver con la determinacin de las ramas conectadas en una red de transporte que constituyen, en conjunto, la distancia ms corta entre una fuente y un destino. En esta seccin presentamos otros tipos de aplicaciones que se pueden representar por medio de modelos y resolver como un problema de la ruta ms corta. Las aplicaciones van seguidas de una presentacin de los algoritmos de solucin.

EJEMPLO
Una compaa arrendadora de automviles est desarrollando un plan de reemplazo de su flotilla para los prximos cinco aos. Un automvil debe estar en servicio cuando menos un ao antes de que se considere ser reemplazado. La tabla 8-1 resume el costo de reemplazo por unidad (en miles de unidades monetarias) como funcin del tiempo y el nmero de aos en operacin. El costo incluye la compra, prima de seguro, operacin y mantenimiento. Este problema se puede representar mediante una red como sigue. Cada ao est representado por un nodo. La longitud de una rama que une dos nodos es igual al costo de reemplazo asociado que se da en la tabla 8-1. La figura 8-6 representa la red. El problema se reduce a determinar la ruta ms corta del nodo 1 al 5.

ALGORITMOS DE LA RUTA MAS CORTA

Esta seccin presenta dos algoritmos para encontrar la ruta ms corta en redes ac- clicas y cclicas. Se dice que una red es acclica si no contiene lazos; de otra manera, es cclica. De los dos algoritmos presentados ms adelante, el algoritmo cclico es ms general, ya que incluye el caso acclico. El algoritmo acclico es, sin embargo, ms eficiente porque se necesitan hacer menos clculos.

A. ALGORITMO ACICLICO
El algoritmo acclico se basa en el uso de clculos recursivos, que son la base para los clculos de la programacin dinmica que se estudiar en el captulo 10. Los pasos del algoritmo se explicarn por medio de un ejemplo numrico

EJEMPLO

B. ALGORITMO CICLICO (DE DIJKSTRA)

El algoritmo acclico no funcionar en forma correcta si la red contiene lazos dirigidos (circuitos). Para demostrar esto, consideremos la red en la figura 8-10, donde se forma un circuito con los nodos 2, 3 y 4. De acuerdo con las reglas del algoritmo acclico es imposible evaluar cualesquiera de los nodos 2, 3 y 4 del lazo, porque el algoritmo necesita que se calcule la u de todos los nodos que llegan al nodo j antes de que se pueda evaluar u. El algoritmo cclico difiere del algoritmo acclico en el sentido que permite tantas oportunidades como sean necesarias para reevaluar un nodo. Cuando resulta evidente que se ha alcanzado la distancia ms corta a un nodo, ste se excluye de cualquier consideracin posterior. El proceso termina cuando se ha evaluado el nodo destino.

 El algoritmo cclico (tambin conocido como algoritmo de Dijkstra) usa dos tipos de etiquetas: temporal y permanente. Ambas etiquetas utilizan el mismo formato que en el algoritmo acclico, esto es, [d, n], donde d es la distancia ms corta, disponible hasta el momento, para un nodo corriente y n es el nodo inmediato precedente al cual la distancia es igual a d. El algoritmo comienza con el nodo fuente que lleva la etiqueta permanente [0, -]. Luego, consideramos todos los nodos que se pueden alcanzar directamente desde el nodo fuente y determinamos sus etiquetas asociadas.

 Las etiquetas recin creadas se designan como temporales. La siguiente etiqueta permanente se selecciona como aquella, de entre todas las etiquetas temporales corrientes, que tenga la menor d en la etiqueta [d, n] (los empates se rompen arbitrariamente). El proceso se repite para el ltimo nodo que se ha designado permanente. En tal caso, una etiqueta temporal de un nodo se puede cambiar slo si la nueva etiqueta da una distancia d menor. Apliquemos el procedimiento a la red en la figura 8-10. Una hiptesis bsica del algoritmo es que todas las distancias en la red son no negativas.

EJEMPLO COSTO MINIMO

Una empresa fabrica un compuesto qumico bsico que utilizan otros fabricantes para producir una variedad de productos para pinturas. La empresa tiene dos plantas y ha firmado contratos con dos proveedores de materia prima. Los contratos estipulan una entrega mnima de 500 y 750 toneladas de materia prima por mes, por parte de los proveedores 1 y 2, a los precios de $200 y $210 por tonelada, respectivamente. Se necesitan 1.2 toneladas de materia prima para fabricar una tonelada del compuesto qumico bsico. Los costos del transporte por tonelada desde la fbrica de los proveedores a las dos plantas se resume en la siguiente tabla:

 Las capacidades de produccin y el costo por tonelada en las dos plantas se dan a continuacin:

 Las demandas mensuales en las dos plantas son de 660 y 800 toneladas. Los costos de transporte por tonelada entre las plantas y los centros de distribucin, se dan a continuacin.

 La figura 8-22 muestra la red que representa al problema. El nodo fuente est dado por el nodo 1. Las ramas (1, 2) y (1, 3) representan los dos proveedores. Las capacidades mnimas de las ramas reflejan el envo mnimo garantizado para cada proveedor. Como estas ramas no tienen cotas superiores, sus capacidades se resumen como (500, ) y (750, ). Los precios de compra por tonelada para los dos proveedores son $200 y $210, respectivamente.

 Para determinar la capacidad de las plantas en el modelo, cada planta se representa con dos nodos, que pueden verse como los puntos de entrada y salida de la planta. Las ramas que conectan los nodos de entrada y salida tienen las siguientes capacidades (400, 800) y (450, 900). Los nodos de salida de las plantas (nodos 6 y 7) se conectan a los de distribucin (nodos 8 y 9) a travs de las ramas de transporte (6, 8), (6, 9), (7, 8) y (7, 9). Estas ramas son similares a las de transporte que llegan a las plantas en los nodos 4 y 5.

 Las demandas en los nodos de distribucin 8 y 9 estn representadas por [-660] y [-800], respectivamente. En forma correspondiente, la oferta en el nodo fuente 1 se especifica como [F]. Para que el problema d una solucin factible, la oferta debe ser igual a la demanda total. Sin embargo, debemos tomar en consideracin el hecho que los proveedores estn tratando con toneladas de materia prima, en tanto que los centros de distribucin estn tratando con toneladas del compuesto qumico.

 Esta discrepancia se puede arreglar usando un factor de 1.2 para convertir la materia prima en compuesto qumico equivalente. Por ejemplo, las capacidades de las ramas (1, 2) y (1, 3) deben reemplazarse por (500/1.2, ) y (750/1.2, ). En este caso los costos unitarios de compra de los dos proveedores deben ponerse a una escala de $200 x 1.2 y a $210 x 1.2. Una escala similar se aplica a los costos de transporte de los nodos 2 y 3 hacia los nodos 4 y 5. Con esta conversin podemos especificar la cantidad de oferta en el nodo fuente 1 como 660 + 800 = 1 460 toneladas (de compuesto qumico).

CONCLUSION
La solucin de la red en la figura 8-22 debera dar la asignacin ptima de oferta a las dos plantas, as como la asignacin de la produccin de cada planta a los dos centros de distribucin. El objetivo es minimizar el costo neto de la operacin total.