Professional Documents
Culture Documents
I.
PROCESOS ESTOCASTICOS
Es una coleccin indexada de variables aleatorias { }. Donde t toma valores de un conjunto T dado, es la caracterstica de inters mesurable en el tiempo t. El inters es describir el comportamiento de un sistema en operacin durante algunos periodos. ESTRUCTURA: se tiene M+1 categoras mutuamente excluyentes, denotada como 0, 1, 2, 3,, M. El estado del sistema en el tiempo t es representado por , y sus valores posibles son: 0, 1, 2,, M.
II.
CADENAS DE MARKOV
Suposicin: el proceso estocstico es una cadena de Markov, que tiene la siguiente propiedad esencial: { | . } { | }
La probabilidad condicional de cualquier evento futuro solo depende del estado actual del proceso. { { , , | | } .. Probabilidades de transicin (de un paso) } ...Probabilidades de transicin de n pasos
III.
ECUACIONES DE CHAPMAN-KOLMOGOROV
Habamos dicho que Pij (n) es la probabilidad condicional de que la variable aleatoria X, comenzando en el estado i se encuentre en el estado j despus de n pasos Las ecuaciones de Chapman-Kolmogorov proporcionan un mtodo para calcular estas probabilidades de transicin de n pasos
Al ir del estado i al estado j en n pasos el proceso estar en algn estado k despus de exactamente m pasos. Es slo la 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.
IV.
DEFINICIN. Cuando una cadena de Markov tiene slo una clase de equivalencia (todos los estados se comunican entre s) se dice que es irreducible. DEFINICIN. Sea para un estado i fii: la probabilidad de que el proceso regrese al estado i dado que comienza en el estado i. Estado Transitorio. Se dice que el estado i es transitorio si fii <1. Despus de haber entrado en este estado, el proceso nunca regresara a l.
Estado Recurrente. Se dice que el estado i es recurrente si fii =1. Despus de haber entrado en este estado, definitivamente regresara a este estado Estado absorbente. Un caso especial de un estado recurrente es un estado absorbente. Un estado es absorbente si una vez que se entra en l no se puede abandonar (pii = 1) Estado Peridico. El periodo de un estado i se define como el entero t (t>1) si Pii n =0 para todos los valores de n distintos de t, 2t, 3t....., y t es el entero ms grande con esa propiedad. El estado i slo puede ser visitado en pasos mltiplos de t
V.
Donde
satisface de manera nica las siguientes ecuaciones de estado estable: , para j = 0, 1,, M
Las se llaman probabilidades de estado estable de la cadena de Markov. El trmino probabilidad de estado estable significa que la probabilidad de encontrar el proceso en cierto estado, digamos j, despus de un nmero grande de transacciones tiende al valor , y es independiente de la distribucin de probabilidad inicial definida para los estados.
Este resultado es importante para calcular el costo promedio a largo plazo por unidad de El costo promedio esperado viene dado por: Se puede demostrar que:
La fraccin esperada del nmero de veces (a la larga) que el sistema se encuentra en el estado j est dada entonces por:
De igual manera, se puede interpretar tambin como la fraccin o porcentaje real (a largo plazo) del nmero de veces que el sistema se encuentra en el estado j. COSTO PROMEDIO ESPERADO POR UNIDAD DE TIEMPO PARA FUNCIONES DE COSTO COMPLEJAS: Supongamos una funcin de costo para el problema de inventarios que depende de la demanda en el tiempo t y el estado en el tiempo t: , en estas condiciones puede demostrarse que: ,
Donde
1. Xt es una cadena de Markov irreductible (estado finito). 2. Asociada con esta cadena de Markov se tiene una sucesin de variables aleatorias (Dt), cada una de las cuales es independiente e idnticamente distribuida. 3. Para m fija, se incurre en un costo en el tiempo t, para t=0, 1, 2, 4. La sucesin X0, X1, X2, , Xt debe ser independiente de Dt+m.
VI.
Entonces satisface, de manera nica, la ecuacin: Cuando i=j, se llama tiempo esperado de recurrencia.
VII.