Ingeniera Catastral y Geodesia Universidad Distrital Francisco Jos de Caldas

Parcial 01 simulacion ICG

NOMBRE: Jenniffer Lara Abello CODIGO: 20122025011

NOMBRE: Brayan Rios Borraez CODIGO :20122025096

Sea {Xt} un proceso de Cadena de Markov de espacios finitos y estos son 1,2,3,4 en
el que la probabilidad inicial P0 es:

X0 P0
1 0,23
2 0,07
3 0,15
4 0,55

0 en otro caso

Y matriz de transicin
J
i 1 2 3 4
1 0,1 0,3 0,1 0,5
2 0,2 0,6 0,1 0,1
3 0,3 0,5 0,2 0,1
4 0,1 0,2 0,5 0,2

Calcular y justificar:

a. P4
b. P[X10=3 / X6=1]
c. E[X10]
d. E[X2 / X1=4]
e. . P[X6>=2 / X4=4]
Ingeniera Catastral y Geodesia Universidad Distrital Francisco Jos de Caldas
Parcial 01 simulacion ICG
SOLUCION

a) P4
Las cadenas de Mrkov o modelo de Mrkov es un tipo especial de proceso
estocstico discreto en el que la probabilidad de que ocurra un evento depende
solamente del evento inmediatamente anterior. Esta caracterstica de falta de
memoria recibe el nombre de propiedad de Markov.
Esto permite que se formule un algoritmo para la evaluacin de la probabilidad
de que ocurra un evento en un instante n:
= 0
Siendo n el instante en el que se quiere evaluar la posibilidad de ocurrencia del
evento, P_o la matriz de probabilidad inicial y A la matriz de transicin la cual
se multiplica por si misma n veces.
Evaluando con n=4 y Para el ejercicio se utiliz el software R, obtuvimos:
En primera instancia el ingreso de las probabilidades iniciales P0

De igual forma la matriz de transicin que nombraremos A

Ahora hallamos la matriz resultante de multiplicar 4 veces por s misma la matriz

de transicin:

Ya por ltimo hallamos el estado o etapa 4 que nos solicita el ejercicio usando
la siguiente ecuacin:
4
4 = 0
Ingeniera Catastral y Geodesia Universidad Distrital Francisco Jos de Caldas
Parcial 01 simulacion ICG
Trasponemos la matriz A4 para aplicar la ecuacin obteniendo que:

Aplicando la ecuacin:

Despus de 4 etapas o estados, vemos que las probabilidades de 3 y 4 han

bajado esta ltima en gran cantidad, mientras que para 1 y 2, quienes contaban
con probabilidades iniciales bajas han aumentado, siendo 2 quien ms lo hizo.
Por ultimo para confirmar que el ejercicio se encuentra bien, podemos notar
que la suma de las probabilidades en el estado 4 sigue siendo 1.
b) [10 = 36 = 1]
Debido a la caracterstica estacionaria de las cadenas de markov se tiene que:
[+ = / = ] =
Esto quiere decir que la probabilidad de que suceda un evento futuro en Sj dado
que ya sucedi un evento en Si es igual a el valor de probabilidad en la posicin
ij en la matriz de transicin elevado a la diferencia entre los ndices de los
eventos.
Para el ejerci se tiene que [10 = 3 / 6 = 1 ] por tanto al realizar la
diferencia de los indices de los eventos da como resultado [4 = 3 / 0 =
1 ] = 413 . Como del punto anterior obtuvimos la matriz de transicin A
elevada a la potencia 4.
Ingeniera Catastral y Geodesia Universidad Distrital Francisco Jos de Caldas
Parcial 01 simulacion ICG
La probabilidad de que de un estado 1 inicial se llegue a un estado 3, seria
en este caso igual a el valor de la posicin 1,3 (fila columna) el cual es 0.1716.
c) E[X10]
Se nos est preguntado cul es el valor esperado para el dcimo estado
sabiendo la distribucin de probabilidad inicial, es por esto que lo primero que
debemos hacer es hallar el P10. Con la ecuacin (1) para luego hallar el
modelo probabilstico:
Primero obtenemos la matriz de transicin A10.

Ahora multiplicamos esta matriz por las probabilidades iniciales

10
10 = 0
Trasponemos la matriz A10 para aplicar la ecuacin obteniendo que:

Aplicando la ecuacin

Ya con esto podemos establecer por medio del modelo que:

0.1804730 10 = 1
0.4516764 10 = 2
(10 ) 0.1765284 10 = 3
0.1913221 10 = 4
{ 0
Ingeniera Catastral y Geodesia Universidad Distrital Francisco Jos de Caldas
Parcial 01 simulacion ICG
Ya establecido el modelo se procede a calcular la esperanza de X en base a la
siguiente ecuacin:

[ ] = ( = ) = 0
=1 =1
En este caso la esperanza es igual a la suma de la probabilidad de cada
posible suceso aleatorio multiplicado por el valor de dicho suceso. Por lo
tanto, representa la cantidad media que se "espera" como resultado de un
experimento aleatorio. Utilizando los valores del modelo y usando R se
tendra que:

d) E[X2 / X1=4]
Este ejercicio busca el estado esperado en el instante 2 suponiendo que se
parte del estado 4, para este ejercicio es necesario hacer el modelo
probabilstico de [2 1 = 4] teniendo en cuenta la ecuacin (2) en la que
la probabilidad de que suceda un evento futuro en Xj dado que ya sucedi un
evento en Xi es igual a el valor de probabilidad en la posicin (i,j) en la matriz
de transicin elevado a la diferencia entre los ndices de los eventos. Es por
esto que al realizar la diferencia de los ndices de los eventos da en este
ejercicio, tenemos como resultado
[1 0 = 4] = 1 4
Para luego aplicar la frmula de esperanza para estos casos:

[ 0 = ] = ( = 0 = ) =
=1 =1
Esto nos indica que el modelo se plantea con las probabilidades de la fila 4
en la matriz de transicin original.

Es as que el modelo establece que:

Ingeniera Catastral y Geodesia Universidad Distrital Francisco Jos de Caldas
Parcial 01 simulacion ICG
0.1 1 = 1
0.2 1 = 2
(0=4 ) 0.5 1 = 3
0.2 1 = 4
{0
Remplazando estos valores en la ecuacin tenemos que:

e. P[X6>=2 / X4=4]

En base a la propiedad estacionaria de las cadenas de Markov se puede

hacer uso de la ecuacin (2), que para el caso del ejercicio [6 24 = 4],
en la que retamos los ndices, sera igual a:
[2 20 = 4] = 2 4
Lo que indica que la probabilidad sera igual a la suma de los valores en la
fila 4 de todas las columnas mayores a 2 en la matriz de transicin 2 , la cual
sera igual a la multiplicacin de la matriz de transicin por s misma una vez.

Debido que en el pasado estuvo en el estado 4, la probabilidad de que el

evento futuro se situ en estado igual o mayor a 2 es de 1.