Upload
diego-edson-gomez-molina
View
288
Download
0
Embed Size (px)
Citation preview
E A P INGENIERIacuteA INFORMAacuteTICA
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRION
FACULTAD DE INGENIERIacuteA INDUSTRIAL SISTEMAS E INFORMAacuteTICA
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA INFORMATICA
CURSOINVESTIGACION DE OPERACIONES II
TEMAMODELO DE MARKOV
INTEGRANTES
Alvino Loza AlvinoBrito Salazar Diana
Carbajal Ramos Sergio Goacutemez Molina Diego
Jaimes Landa Luz Ramirez Jara Andrea
Zapata Bazalar Samuel
DOCENTEALCIBIADES SOSA PALOMINO
HUACHO ndash LIMAPERU
| 2
TOMA DE DECISIONES CON CRITERIOS MULTIPLES
Los meacutetodos y modelos para la toma de decisiones con criterios
muacuteltiples proveen herramientas de utilidad a la hora de analizar
problemas complejos Los procesos de toma de decisiones han sido
analizados y modelados matemaacuteticamente para dotar a las
personas encargadas de tomar decisiones de herramientas que les
permitan contar con una mejor visualizacioacuten de los factores que
intervienen en los procesos asiacute como de las preferencias
existentes Los procesos de decisioacuten relacionados al desarrollo
sostenible involucran la interrelacioacuten de tres sistemas con objetivos
muchas veces contrapuestos el sistema econoacutemico el sistema
social y el sistema medioambiental La interrelacioacuten de estos
sistemas produce conflicto de intereses que hace de cualquier
proceso de decisioacuten una tarea compleja que requiere de meacutetodos
sistemaacuteticos
Proceso Analiacutetico de Jerarquiacuteas (PAJ) Permite analizar
tanto criterios cuantitativos como cualitativos
Programacioacuten de Metas (PM) Analiza criterios cuantitativos
| 3
Anaacutelisis de Markov
El anaacutelisis de Markov llamado asiacute por los estudios realizados por el ruso Andreacutei Andreacuteyevich Maacuterkov entre 1906 y 1907 sobre la secuencia de los experimentos conectados en cadena y la necesidad de descubrir matemaacuteticamente los fenoacutemenos fiacutesicos La teoriacutea de Markov se desarrolloacute en las deacutecadas de 1930 y 1940 por ANKolmagoron WFeller WDoeblin PLevy JLDoob y otros
El anaacutelisis de Markov es una forma de analizar el movimiento actual de alguna variable a fin de pronosticar el movimiento futuro de la misma Este meacutetodo ha comenzado a usarse en los uacuteltimos antildeos como instrumento de investigaciones de mercadotecnia para examinar y pronosticar el comportamiento de los clientes desde el punto de vista de su lealtad a una marca y de sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica ya no solo se limita a la mercadotecnia sino que su campo de accioacuten se ha podido aplicar en diversos campos
ANDREY MARKOV
Las cadenas de Markov fueron introducidas por el matemaacutetico ruso Andrey Markov (1856-1922) alrededor de 1905 Su intencioacuten era crear un modelo probabiliacutestico para analizar la frecuencia con la que aparecen las vocales en poemas y textos literarios El eacutexito del modelo propuesto por Markov radica en que es lo suficientemente complejo como para describir ciertas caracteriacutesticas no triviales de algunos sistemas pero al mismo tiempo es lo suficientemente sencillo para ser analizado matemaacuteticamente
Su trabajo teoacuterico en el campo de los procesos en los que estaacuten involucrados componentes aleatorios (procesos estocaacutesticos) dariacutean fruto en un instrumento matemaacutetico que actualmente se conoce como cadena de Maacuterkov secuencias de valores de una variable aleatoria en las que el valor de la variable en el futuro depende del valor de la variable en el presente pero es independiente de la historia de dicha variable Las cadenas de Maacuterkov hoy diacutea se consideran una herramienta esencial en
| 4
disciplinas como la economiacutea la ingenieriacutea la investigacioacuten de operaciones y muchas otras
CADENA DE MARKOV
Las cadenas de markov son modelos probabiliacutesticos que se usan para predecir la evolucioacuten y el comportamiento a corto y a largo plazo de determinados sistemas
En principio fue dirigida a resolver problemas industriales sin embargo posteriormente se ha extendido a muchos otros campos como la economiacutea agricultura recursos ambientales recursos pesqueros etc
Resulta de gran intereacutes sobre todo en problemas complejos de gran tamantildeo
Las cadenas de Maacuterkov son una herramienta para analizar el comportamiento y el gobierno de determinados tipos de procesos estocaacutesticos esto es procesos que evolucionan de forma no determiniacutestica a lo largo del tiempo en torno a un conjunto de estados
Una cadena de Maacuterkov por tanto representa un sistema que variacutea un estado a lo largo del tiempo siendo cada cambio una transicioacuten del sistema Dichos cambios no estaacuten predeterminados aunque siacute lo estaacute la probabilidad del proacuteximo estado en funcioacuten de los estados
| 5
anteriores probabilidad que es constante a lo largo del tiempo (sistema homogeacuteneo en el tiempo) Eventualmente es una transicioacuten el nuevo estado puede ser el mismo que el anterior y es posible que exista la posibilidad de influir en las probabilidades de transicioacuten actuando adecuadamente sobre el sistema (decisioacuten)
Conceptos baacutesicos
Para el estudio de las cadenas de Maacuterkov deben tenerse en cuenta algunos conceptos claves como los siguientes
1 Estados
El estado de un sistema en un instante t es una variable cuyos valores solo pueden pertenecer al conjunto de estaos en el sistema El sistema modelizado por la cadena por lo tanto es una variable que cambia con el valor del tiempo cambio al que llamamos transicioacuten
2 Matriz de transicioacuten
Los elementos de matriz representan la probabilidad de que el estado proacuteximo sea el correspondiente a la columna si el estado actual es el correspondiente a la fila
Posee 3 propiedades baacutesicas
La suma de las probabilidades de los estados debe ser igual a 1
La matriz de transicioacuten debe ser cuadrada
Las probabilidades de transicioacuten deben estar entre 0 y 1
Distribucioacuten actual (Vector Po) Es la manera en la que se distribuyen las probabilidades de los estados en un periodo inicial (periodo 0) Esta informacioacuten te permitiraacute averiguar cuaacutel seraacute la distribucioacuten en periodos posteriores
Estado estable Se puede decir que el estado estable es la distribucioacuten de probabilidades que en cierto punto quedaraacute fija para el vector P y no presentaraacute cambios en periodos posterioresPor consiguiente un estado es recurrente siacute y solo si no es transitorio
| 6
ESTADO ABSORBENTES Un estado tal que si el proceso entra en eacutel permaneceraacute indefinidamente en este estado (ya que las probabilidades de pasar a cualquiera de los otros son cero) se dice estado absorbente
De una cadena de Markov que consta de estados transitorios y absorbentes se dice que es una cadena absorbente de Markov
Si una cadena de Markov contiene alguacuten estado absorbente la liacutenea de la matriz de transicioacuten correspondiente a las probabilidades de transicioacuten de dicho estado constaraacute de un 1 en la diagonal principal y ceros en los demaacutes elementos Seraacute por lo tanto una matriz no regular
Para poder estudiar las cadenas de Markov absorbentes es preciso reordenar la matriz de transicioacuten de forma que las filas correspondientes a los estados absorbentes aparezcan en primer lugar Asiacute ordenada se diraacute que la matriz de transicioacuten estaacute en la forma canoacutenica
Donde
I Matriz Identidad
0Matriz Nula
N Matriz No Absorbente
A Matriz Absorbente
El valor esperado se calcula como
V Esp=(I-N)^-1
La probabilidad de caer en los estados absorbentes se calcula como
P=A(I-N)^-1
| 7
ELEMENTOS DE UNA CADENA DE MARKOV
Un conjunto finito de M estados exhaustivos y mutuamente excluyentes (ejemplo estados de la enfermedad)
Ciclo de markov (ldquopasordquo) periodo de tiempo que sirve de base para examinar las transiciones entre estados (ejemplo un mes)
Probabilidades de transicioacuten entre estados en un ciclo (matriz P)
Distribucioacuten inicial del sistema entre los M estados posibles
TIPO DE CADENAS DE MARKOV
Dependiendo del nuacutemero de estados del sistema pueden ser
FINITAS
Es una cadena de Markov para la que existe soacutelo un nuacutemero finito k de estados posibles s1sk y en cualquier instante de tiempo la cadena estaacute en uno de estos k estados
Consisten en sucesiones finitas de pruebas cada una de las cuales tiene un nuacutemero finito de sucesos con probabilidades dadas Procesos de este tipo reciben el nombre de Procesos estocaacutesticos
INFINITAS
La ocurrencia de los eventos se considera indeterminada pero tienden a una situacioacuten de estabilizacioacuten
COMPONENTES
Estado Condiciones iniciales y finales del proceso de Markov
Ensayo Ocurrencias repetidas del evento que se estudia
Probabilidad de Transicioacuten (pij ) Probabilidad de pasar del estado actual al siguiente
1
iSPSS
| 8
Matriz de transicioacuten (P) Es una matriz cuadrada cuyos elementos son pij
MODELO MATEMATICO CADENA INFINITA
S1(t) + S2(t) +hellip + Sn(t) = 1 ldquo n estados ldquo
pi1 + pi2 + hellip + pin = 1
La transicioacuten de un periodo al siguiente se expresa como
S (t + 1) = S (t) P
Para el primer periodo S (1) = S (0) P
Para el segundo periodo S (2) = S (1) P = S (0) P2
Para un periodo largo S = SP
MATRIZ ESTACIONARIA
| 9
APLICACIOacuteN DEL METODO ldquoDE MARKOVrdquo EN UN CASO DE LA VIDA REAL
Caso 1
La Tienda de Don ldquoJoseacuterdquo estima lo siguiente
40 de sus clientes que realizaron la compra de Gaseosas Negras en una semana compraraacuten Gaseosas de otro color la proacutexima semana
20 de sus clientes que realizaron la compra de Gaseosas de Color en una semana compraraacuten Gaseosas Negras la proacutexima semana
Se Tiene inicialmente 119878_0= [04 06] Esto significa que en la semana el 40 de los clientes gaseoseros compraron Gaseosas Negras y el 60 compraron de otro Color
El administrador desea saber cuaacutel seraacute la eleccioacuten de clientes en las proacuteximas semanas
| 10
Solucioacuten
P=[0 6 040 2 08]
S0= [04 06]
S ( t+1 )=S (t)P
S1= [0 4 06 ]lowast[0 6 0402 08 ]= [036064 ]
S2= [036 064 ]lowast[06 0402 08 ]=[03440656 ]
S3= [0344 0656 ]lowast[06 0402 08 ]
iquest [0337606624 ]
S4=[0337606624 ]lowast[0 6 040 2 08]=[033504066496 ]
S5= [033504 066496 ]lowast[06 0402 08 ]
iquest [03340160665984 ]
| 11
S6=[03340160665984 ]lowast[06 040 2 08 ]
iquest [0333606406663936 ]
S7= [03336064 06663936 ]lowast[06 0402 08 ]
iquest [033344256 066655744 ]
S8=[033344256066655744 ]lowast[0 6 0 402 0 8]
iquest [0333377024 0666622976 ]
S9=[03333770240666622976 ]lowast[06 0402 08 ]
iquest [0333350809606666491904 ]
S10=[03333508096 06666491904 ][0 6 0 402 0 8 ]
iquest [03333403238 06666596762 ]
De los anteriores caacutelculos podemos observarse que despueacutes de t = 3 el
mercado alcanza un equilibrio o un estado estable en el sentido que el
mercado no cambia notablemente con el tiempo
COMPROBANDO
| 12
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
iquest [06S1+02 S20 4 S1+08S2 ]
S1=06 S1+02S2
S2=04S1+0 8S2
S1+S2=1
Resolviendo tenemosResolver en mathcad y colocar los resultados119930120783=( )valor porcentual de clientes que compraran ldquogaseosas negrardquo119930120784= ( )valor porcentual de clientes que compraran ldquogaseosas de otro color rdquo
Por lo tanto queda demostrado que los clientes Gaseores consumiraacuten gaseosas de otro color la primara semana
Graficando el aacuterbol
Probabilidad de consumir ldquogaseosa negrardquo o ldquogaseosa de colorrdquo en cada etapa
| 13
Resumen de resultados
Meacutetodo recursivoMeacutetodo estado estacionario
Meacutetodo de aacuterbol
Gaseosanegra
0344
Gaseosade otro color
0656
ConclusioacutenEl producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
CASO 2
GN
04
02 064 x 02 0128
064 x 08 0512
GN
GC
GN
GC
P
036
064GC
08
036 x 04 0144 Gaseosa negra = 0344
Gaseosa de color= 0656
036 x 06 021606
| 14
La sentildeora Rosmery Tafur prepara yogurt artesanal para su venta y posee dos categoriacuteas para la elaboracioacuten la Fermentacioacuten y coagulacioacuten para lo cual se a de emplear el ensayo de Markov donde
Rosmery desea saber cuantos litros de yogurt venderaacute este mes y cuantos se perderaacuten si inicia con 40 litros en fermentacioacuten y 100 litros coagulados
Los Estados Absorbentes
Estado 1 Perdida
Estado 2 Vendidos
Los Estados del Proceso
Estado 3 Fermentacioacuten
Estado 4 Coagulacioacuten
Hallar la Matriz Fundamental
Estados Absorbentes
Estados del proceso
P V F Cp
V
F
C
P =
Estados Absorbentes
Estados del proceso
P V F CP
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 2
TOMA DE DECISIONES CON CRITERIOS MULTIPLES
Los meacutetodos y modelos para la toma de decisiones con criterios
muacuteltiples proveen herramientas de utilidad a la hora de analizar
problemas complejos Los procesos de toma de decisiones han sido
analizados y modelados matemaacuteticamente para dotar a las
personas encargadas de tomar decisiones de herramientas que les
permitan contar con una mejor visualizacioacuten de los factores que
intervienen en los procesos asiacute como de las preferencias
existentes Los procesos de decisioacuten relacionados al desarrollo
sostenible involucran la interrelacioacuten de tres sistemas con objetivos
muchas veces contrapuestos el sistema econoacutemico el sistema
social y el sistema medioambiental La interrelacioacuten de estos
sistemas produce conflicto de intereses que hace de cualquier
proceso de decisioacuten una tarea compleja que requiere de meacutetodos
sistemaacuteticos
Proceso Analiacutetico de Jerarquiacuteas (PAJ) Permite analizar
tanto criterios cuantitativos como cualitativos
Programacioacuten de Metas (PM) Analiza criterios cuantitativos
| 3
Anaacutelisis de Markov
El anaacutelisis de Markov llamado asiacute por los estudios realizados por el ruso Andreacutei Andreacuteyevich Maacuterkov entre 1906 y 1907 sobre la secuencia de los experimentos conectados en cadena y la necesidad de descubrir matemaacuteticamente los fenoacutemenos fiacutesicos La teoriacutea de Markov se desarrolloacute en las deacutecadas de 1930 y 1940 por ANKolmagoron WFeller WDoeblin PLevy JLDoob y otros
El anaacutelisis de Markov es una forma de analizar el movimiento actual de alguna variable a fin de pronosticar el movimiento futuro de la misma Este meacutetodo ha comenzado a usarse en los uacuteltimos antildeos como instrumento de investigaciones de mercadotecnia para examinar y pronosticar el comportamiento de los clientes desde el punto de vista de su lealtad a una marca y de sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica ya no solo se limita a la mercadotecnia sino que su campo de accioacuten se ha podido aplicar en diversos campos
ANDREY MARKOV
Las cadenas de Markov fueron introducidas por el matemaacutetico ruso Andrey Markov (1856-1922) alrededor de 1905 Su intencioacuten era crear un modelo probabiliacutestico para analizar la frecuencia con la que aparecen las vocales en poemas y textos literarios El eacutexito del modelo propuesto por Markov radica en que es lo suficientemente complejo como para describir ciertas caracteriacutesticas no triviales de algunos sistemas pero al mismo tiempo es lo suficientemente sencillo para ser analizado matemaacuteticamente
Su trabajo teoacuterico en el campo de los procesos en los que estaacuten involucrados componentes aleatorios (procesos estocaacutesticos) dariacutean fruto en un instrumento matemaacutetico que actualmente se conoce como cadena de Maacuterkov secuencias de valores de una variable aleatoria en las que el valor de la variable en el futuro depende del valor de la variable en el presente pero es independiente de la historia de dicha variable Las cadenas de Maacuterkov hoy diacutea se consideran una herramienta esencial en
| 4
disciplinas como la economiacutea la ingenieriacutea la investigacioacuten de operaciones y muchas otras
CADENA DE MARKOV
Las cadenas de markov son modelos probabiliacutesticos que se usan para predecir la evolucioacuten y el comportamiento a corto y a largo plazo de determinados sistemas
En principio fue dirigida a resolver problemas industriales sin embargo posteriormente se ha extendido a muchos otros campos como la economiacutea agricultura recursos ambientales recursos pesqueros etc
Resulta de gran intereacutes sobre todo en problemas complejos de gran tamantildeo
Las cadenas de Maacuterkov son una herramienta para analizar el comportamiento y el gobierno de determinados tipos de procesos estocaacutesticos esto es procesos que evolucionan de forma no determiniacutestica a lo largo del tiempo en torno a un conjunto de estados
Una cadena de Maacuterkov por tanto representa un sistema que variacutea un estado a lo largo del tiempo siendo cada cambio una transicioacuten del sistema Dichos cambios no estaacuten predeterminados aunque siacute lo estaacute la probabilidad del proacuteximo estado en funcioacuten de los estados
| 5
anteriores probabilidad que es constante a lo largo del tiempo (sistema homogeacuteneo en el tiempo) Eventualmente es una transicioacuten el nuevo estado puede ser el mismo que el anterior y es posible que exista la posibilidad de influir en las probabilidades de transicioacuten actuando adecuadamente sobre el sistema (decisioacuten)
Conceptos baacutesicos
Para el estudio de las cadenas de Maacuterkov deben tenerse en cuenta algunos conceptos claves como los siguientes
1 Estados
El estado de un sistema en un instante t es una variable cuyos valores solo pueden pertenecer al conjunto de estaos en el sistema El sistema modelizado por la cadena por lo tanto es una variable que cambia con el valor del tiempo cambio al que llamamos transicioacuten
2 Matriz de transicioacuten
Los elementos de matriz representan la probabilidad de que el estado proacuteximo sea el correspondiente a la columna si el estado actual es el correspondiente a la fila
Posee 3 propiedades baacutesicas
La suma de las probabilidades de los estados debe ser igual a 1
La matriz de transicioacuten debe ser cuadrada
Las probabilidades de transicioacuten deben estar entre 0 y 1
Distribucioacuten actual (Vector Po) Es la manera en la que se distribuyen las probabilidades de los estados en un periodo inicial (periodo 0) Esta informacioacuten te permitiraacute averiguar cuaacutel seraacute la distribucioacuten en periodos posteriores
Estado estable Se puede decir que el estado estable es la distribucioacuten de probabilidades que en cierto punto quedaraacute fija para el vector P y no presentaraacute cambios en periodos posterioresPor consiguiente un estado es recurrente siacute y solo si no es transitorio
| 6
ESTADO ABSORBENTES Un estado tal que si el proceso entra en eacutel permaneceraacute indefinidamente en este estado (ya que las probabilidades de pasar a cualquiera de los otros son cero) se dice estado absorbente
De una cadena de Markov que consta de estados transitorios y absorbentes se dice que es una cadena absorbente de Markov
Si una cadena de Markov contiene alguacuten estado absorbente la liacutenea de la matriz de transicioacuten correspondiente a las probabilidades de transicioacuten de dicho estado constaraacute de un 1 en la diagonal principal y ceros en los demaacutes elementos Seraacute por lo tanto una matriz no regular
Para poder estudiar las cadenas de Markov absorbentes es preciso reordenar la matriz de transicioacuten de forma que las filas correspondientes a los estados absorbentes aparezcan en primer lugar Asiacute ordenada se diraacute que la matriz de transicioacuten estaacute en la forma canoacutenica
Donde
I Matriz Identidad
0Matriz Nula
N Matriz No Absorbente
A Matriz Absorbente
El valor esperado se calcula como
V Esp=(I-N)^-1
La probabilidad de caer en los estados absorbentes se calcula como
P=A(I-N)^-1
| 7
ELEMENTOS DE UNA CADENA DE MARKOV
Un conjunto finito de M estados exhaustivos y mutuamente excluyentes (ejemplo estados de la enfermedad)
Ciclo de markov (ldquopasordquo) periodo de tiempo que sirve de base para examinar las transiciones entre estados (ejemplo un mes)
Probabilidades de transicioacuten entre estados en un ciclo (matriz P)
Distribucioacuten inicial del sistema entre los M estados posibles
TIPO DE CADENAS DE MARKOV
Dependiendo del nuacutemero de estados del sistema pueden ser
FINITAS
Es una cadena de Markov para la que existe soacutelo un nuacutemero finito k de estados posibles s1sk y en cualquier instante de tiempo la cadena estaacute en uno de estos k estados
Consisten en sucesiones finitas de pruebas cada una de las cuales tiene un nuacutemero finito de sucesos con probabilidades dadas Procesos de este tipo reciben el nombre de Procesos estocaacutesticos
INFINITAS
La ocurrencia de los eventos se considera indeterminada pero tienden a una situacioacuten de estabilizacioacuten
COMPONENTES
Estado Condiciones iniciales y finales del proceso de Markov
Ensayo Ocurrencias repetidas del evento que se estudia
Probabilidad de Transicioacuten (pij ) Probabilidad de pasar del estado actual al siguiente
1
iSPSS
| 8
Matriz de transicioacuten (P) Es una matriz cuadrada cuyos elementos son pij
MODELO MATEMATICO CADENA INFINITA
S1(t) + S2(t) +hellip + Sn(t) = 1 ldquo n estados ldquo
pi1 + pi2 + hellip + pin = 1
La transicioacuten de un periodo al siguiente se expresa como
S (t + 1) = S (t) P
Para el primer periodo S (1) = S (0) P
Para el segundo periodo S (2) = S (1) P = S (0) P2
Para un periodo largo S = SP
MATRIZ ESTACIONARIA
| 9
APLICACIOacuteN DEL METODO ldquoDE MARKOVrdquo EN UN CASO DE LA VIDA REAL
Caso 1
La Tienda de Don ldquoJoseacuterdquo estima lo siguiente
40 de sus clientes que realizaron la compra de Gaseosas Negras en una semana compraraacuten Gaseosas de otro color la proacutexima semana
20 de sus clientes que realizaron la compra de Gaseosas de Color en una semana compraraacuten Gaseosas Negras la proacutexima semana
Se Tiene inicialmente 119878_0= [04 06] Esto significa que en la semana el 40 de los clientes gaseoseros compraron Gaseosas Negras y el 60 compraron de otro Color
El administrador desea saber cuaacutel seraacute la eleccioacuten de clientes en las proacuteximas semanas
| 10
Solucioacuten
P=[0 6 040 2 08]
S0= [04 06]
S ( t+1 )=S (t)P
S1= [0 4 06 ]lowast[0 6 0402 08 ]= [036064 ]
S2= [036 064 ]lowast[06 0402 08 ]=[03440656 ]
S3= [0344 0656 ]lowast[06 0402 08 ]
iquest [0337606624 ]
S4=[0337606624 ]lowast[0 6 040 2 08]=[033504066496 ]
S5= [033504 066496 ]lowast[06 0402 08 ]
iquest [03340160665984 ]
| 11
S6=[03340160665984 ]lowast[06 040 2 08 ]
iquest [0333606406663936 ]
S7= [03336064 06663936 ]lowast[06 0402 08 ]
iquest [033344256 066655744 ]
S8=[033344256066655744 ]lowast[0 6 0 402 0 8]
iquest [0333377024 0666622976 ]
S9=[03333770240666622976 ]lowast[06 0402 08 ]
iquest [0333350809606666491904 ]
S10=[03333508096 06666491904 ][0 6 0 402 0 8 ]
iquest [03333403238 06666596762 ]
De los anteriores caacutelculos podemos observarse que despueacutes de t = 3 el
mercado alcanza un equilibrio o un estado estable en el sentido que el
mercado no cambia notablemente con el tiempo
COMPROBANDO
| 12
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
iquest [06S1+02 S20 4 S1+08S2 ]
S1=06 S1+02S2
S2=04S1+0 8S2
S1+S2=1
Resolviendo tenemosResolver en mathcad y colocar los resultados119930120783=( )valor porcentual de clientes que compraran ldquogaseosas negrardquo119930120784= ( )valor porcentual de clientes que compraran ldquogaseosas de otro color rdquo
Por lo tanto queda demostrado que los clientes Gaseores consumiraacuten gaseosas de otro color la primara semana
Graficando el aacuterbol
Probabilidad de consumir ldquogaseosa negrardquo o ldquogaseosa de colorrdquo en cada etapa
| 13
Resumen de resultados
Meacutetodo recursivoMeacutetodo estado estacionario
Meacutetodo de aacuterbol
Gaseosanegra
0344
Gaseosade otro color
0656
ConclusioacutenEl producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
CASO 2
GN
04
02 064 x 02 0128
064 x 08 0512
GN
GC
GN
GC
P
036
064GC
08
036 x 04 0144 Gaseosa negra = 0344
Gaseosa de color= 0656
036 x 06 021606
| 14
La sentildeora Rosmery Tafur prepara yogurt artesanal para su venta y posee dos categoriacuteas para la elaboracioacuten la Fermentacioacuten y coagulacioacuten para lo cual se a de emplear el ensayo de Markov donde
Rosmery desea saber cuantos litros de yogurt venderaacute este mes y cuantos se perderaacuten si inicia con 40 litros en fermentacioacuten y 100 litros coagulados
Los Estados Absorbentes
Estado 1 Perdida
Estado 2 Vendidos
Los Estados del Proceso
Estado 3 Fermentacioacuten
Estado 4 Coagulacioacuten
Hallar la Matriz Fundamental
Estados Absorbentes
Estados del proceso
P V F Cp
V
F
C
P =
Estados Absorbentes
Estados del proceso
P V F CP
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 3
Anaacutelisis de Markov
El anaacutelisis de Markov llamado asiacute por los estudios realizados por el ruso Andreacutei Andreacuteyevich Maacuterkov entre 1906 y 1907 sobre la secuencia de los experimentos conectados en cadena y la necesidad de descubrir matemaacuteticamente los fenoacutemenos fiacutesicos La teoriacutea de Markov se desarrolloacute en las deacutecadas de 1930 y 1940 por ANKolmagoron WFeller WDoeblin PLevy JLDoob y otros
El anaacutelisis de Markov es una forma de analizar el movimiento actual de alguna variable a fin de pronosticar el movimiento futuro de la misma Este meacutetodo ha comenzado a usarse en los uacuteltimos antildeos como instrumento de investigaciones de mercadotecnia para examinar y pronosticar el comportamiento de los clientes desde el punto de vista de su lealtad a una marca y de sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica ya no solo se limita a la mercadotecnia sino que su campo de accioacuten se ha podido aplicar en diversos campos
ANDREY MARKOV
Las cadenas de Markov fueron introducidas por el matemaacutetico ruso Andrey Markov (1856-1922) alrededor de 1905 Su intencioacuten era crear un modelo probabiliacutestico para analizar la frecuencia con la que aparecen las vocales en poemas y textos literarios El eacutexito del modelo propuesto por Markov radica en que es lo suficientemente complejo como para describir ciertas caracteriacutesticas no triviales de algunos sistemas pero al mismo tiempo es lo suficientemente sencillo para ser analizado matemaacuteticamente
Su trabajo teoacuterico en el campo de los procesos en los que estaacuten involucrados componentes aleatorios (procesos estocaacutesticos) dariacutean fruto en un instrumento matemaacutetico que actualmente se conoce como cadena de Maacuterkov secuencias de valores de una variable aleatoria en las que el valor de la variable en el futuro depende del valor de la variable en el presente pero es independiente de la historia de dicha variable Las cadenas de Maacuterkov hoy diacutea se consideran una herramienta esencial en
| 4
disciplinas como la economiacutea la ingenieriacutea la investigacioacuten de operaciones y muchas otras
CADENA DE MARKOV
Las cadenas de markov son modelos probabiliacutesticos que se usan para predecir la evolucioacuten y el comportamiento a corto y a largo plazo de determinados sistemas
En principio fue dirigida a resolver problemas industriales sin embargo posteriormente se ha extendido a muchos otros campos como la economiacutea agricultura recursos ambientales recursos pesqueros etc
Resulta de gran intereacutes sobre todo en problemas complejos de gran tamantildeo
Las cadenas de Maacuterkov son una herramienta para analizar el comportamiento y el gobierno de determinados tipos de procesos estocaacutesticos esto es procesos que evolucionan de forma no determiniacutestica a lo largo del tiempo en torno a un conjunto de estados
Una cadena de Maacuterkov por tanto representa un sistema que variacutea un estado a lo largo del tiempo siendo cada cambio una transicioacuten del sistema Dichos cambios no estaacuten predeterminados aunque siacute lo estaacute la probabilidad del proacuteximo estado en funcioacuten de los estados
| 5
anteriores probabilidad que es constante a lo largo del tiempo (sistema homogeacuteneo en el tiempo) Eventualmente es una transicioacuten el nuevo estado puede ser el mismo que el anterior y es posible que exista la posibilidad de influir en las probabilidades de transicioacuten actuando adecuadamente sobre el sistema (decisioacuten)
Conceptos baacutesicos
Para el estudio de las cadenas de Maacuterkov deben tenerse en cuenta algunos conceptos claves como los siguientes
1 Estados
El estado de un sistema en un instante t es una variable cuyos valores solo pueden pertenecer al conjunto de estaos en el sistema El sistema modelizado por la cadena por lo tanto es una variable que cambia con el valor del tiempo cambio al que llamamos transicioacuten
2 Matriz de transicioacuten
Los elementos de matriz representan la probabilidad de que el estado proacuteximo sea el correspondiente a la columna si el estado actual es el correspondiente a la fila
Posee 3 propiedades baacutesicas
La suma de las probabilidades de los estados debe ser igual a 1
La matriz de transicioacuten debe ser cuadrada
Las probabilidades de transicioacuten deben estar entre 0 y 1
Distribucioacuten actual (Vector Po) Es la manera en la que se distribuyen las probabilidades de los estados en un periodo inicial (periodo 0) Esta informacioacuten te permitiraacute averiguar cuaacutel seraacute la distribucioacuten en periodos posteriores
Estado estable Se puede decir que el estado estable es la distribucioacuten de probabilidades que en cierto punto quedaraacute fija para el vector P y no presentaraacute cambios en periodos posterioresPor consiguiente un estado es recurrente siacute y solo si no es transitorio
| 6
ESTADO ABSORBENTES Un estado tal que si el proceso entra en eacutel permaneceraacute indefinidamente en este estado (ya que las probabilidades de pasar a cualquiera de los otros son cero) se dice estado absorbente
De una cadena de Markov que consta de estados transitorios y absorbentes se dice que es una cadena absorbente de Markov
Si una cadena de Markov contiene alguacuten estado absorbente la liacutenea de la matriz de transicioacuten correspondiente a las probabilidades de transicioacuten de dicho estado constaraacute de un 1 en la diagonal principal y ceros en los demaacutes elementos Seraacute por lo tanto una matriz no regular
Para poder estudiar las cadenas de Markov absorbentes es preciso reordenar la matriz de transicioacuten de forma que las filas correspondientes a los estados absorbentes aparezcan en primer lugar Asiacute ordenada se diraacute que la matriz de transicioacuten estaacute en la forma canoacutenica
Donde
I Matriz Identidad
0Matriz Nula
N Matriz No Absorbente
A Matriz Absorbente
El valor esperado se calcula como
V Esp=(I-N)^-1
La probabilidad de caer en los estados absorbentes se calcula como
P=A(I-N)^-1
| 7
ELEMENTOS DE UNA CADENA DE MARKOV
Un conjunto finito de M estados exhaustivos y mutuamente excluyentes (ejemplo estados de la enfermedad)
Ciclo de markov (ldquopasordquo) periodo de tiempo que sirve de base para examinar las transiciones entre estados (ejemplo un mes)
Probabilidades de transicioacuten entre estados en un ciclo (matriz P)
Distribucioacuten inicial del sistema entre los M estados posibles
TIPO DE CADENAS DE MARKOV
Dependiendo del nuacutemero de estados del sistema pueden ser
FINITAS
Es una cadena de Markov para la que existe soacutelo un nuacutemero finito k de estados posibles s1sk y en cualquier instante de tiempo la cadena estaacute en uno de estos k estados
Consisten en sucesiones finitas de pruebas cada una de las cuales tiene un nuacutemero finito de sucesos con probabilidades dadas Procesos de este tipo reciben el nombre de Procesos estocaacutesticos
INFINITAS
La ocurrencia de los eventos se considera indeterminada pero tienden a una situacioacuten de estabilizacioacuten
COMPONENTES
Estado Condiciones iniciales y finales del proceso de Markov
Ensayo Ocurrencias repetidas del evento que se estudia
Probabilidad de Transicioacuten (pij ) Probabilidad de pasar del estado actual al siguiente
1
iSPSS
| 8
Matriz de transicioacuten (P) Es una matriz cuadrada cuyos elementos son pij
MODELO MATEMATICO CADENA INFINITA
S1(t) + S2(t) +hellip + Sn(t) = 1 ldquo n estados ldquo
pi1 + pi2 + hellip + pin = 1
La transicioacuten de un periodo al siguiente se expresa como
S (t + 1) = S (t) P
Para el primer periodo S (1) = S (0) P
Para el segundo periodo S (2) = S (1) P = S (0) P2
Para un periodo largo S = SP
MATRIZ ESTACIONARIA
| 9
APLICACIOacuteN DEL METODO ldquoDE MARKOVrdquo EN UN CASO DE LA VIDA REAL
Caso 1
La Tienda de Don ldquoJoseacuterdquo estima lo siguiente
40 de sus clientes que realizaron la compra de Gaseosas Negras en una semana compraraacuten Gaseosas de otro color la proacutexima semana
20 de sus clientes que realizaron la compra de Gaseosas de Color en una semana compraraacuten Gaseosas Negras la proacutexima semana
Se Tiene inicialmente 119878_0= [04 06] Esto significa que en la semana el 40 de los clientes gaseoseros compraron Gaseosas Negras y el 60 compraron de otro Color
El administrador desea saber cuaacutel seraacute la eleccioacuten de clientes en las proacuteximas semanas
| 10
Solucioacuten
P=[0 6 040 2 08]
S0= [04 06]
S ( t+1 )=S (t)P
S1= [0 4 06 ]lowast[0 6 0402 08 ]= [036064 ]
S2= [036 064 ]lowast[06 0402 08 ]=[03440656 ]
S3= [0344 0656 ]lowast[06 0402 08 ]
iquest [0337606624 ]
S4=[0337606624 ]lowast[0 6 040 2 08]=[033504066496 ]
S5= [033504 066496 ]lowast[06 0402 08 ]
iquest [03340160665984 ]
| 11
S6=[03340160665984 ]lowast[06 040 2 08 ]
iquest [0333606406663936 ]
S7= [03336064 06663936 ]lowast[06 0402 08 ]
iquest [033344256 066655744 ]
S8=[033344256066655744 ]lowast[0 6 0 402 0 8]
iquest [0333377024 0666622976 ]
S9=[03333770240666622976 ]lowast[06 0402 08 ]
iquest [0333350809606666491904 ]
S10=[03333508096 06666491904 ][0 6 0 402 0 8 ]
iquest [03333403238 06666596762 ]
De los anteriores caacutelculos podemos observarse que despueacutes de t = 3 el
mercado alcanza un equilibrio o un estado estable en el sentido que el
mercado no cambia notablemente con el tiempo
COMPROBANDO
| 12
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
iquest [06S1+02 S20 4 S1+08S2 ]
S1=06 S1+02S2
S2=04S1+0 8S2
S1+S2=1
Resolviendo tenemosResolver en mathcad y colocar los resultados119930120783=( )valor porcentual de clientes que compraran ldquogaseosas negrardquo119930120784= ( )valor porcentual de clientes que compraran ldquogaseosas de otro color rdquo
Por lo tanto queda demostrado que los clientes Gaseores consumiraacuten gaseosas de otro color la primara semana
Graficando el aacuterbol
Probabilidad de consumir ldquogaseosa negrardquo o ldquogaseosa de colorrdquo en cada etapa
| 13
Resumen de resultados
Meacutetodo recursivoMeacutetodo estado estacionario
Meacutetodo de aacuterbol
Gaseosanegra
0344
Gaseosade otro color
0656
ConclusioacutenEl producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
CASO 2
GN
04
02 064 x 02 0128
064 x 08 0512
GN
GC
GN
GC
P
036
064GC
08
036 x 04 0144 Gaseosa negra = 0344
Gaseosa de color= 0656
036 x 06 021606
| 14
La sentildeora Rosmery Tafur prepara yogurt artesanal para su venta y posee dos categoriacuteas para la elaboracioacuten la Fermentacioacuten y coagulacioacuten para lo cual se a de emplear el ensayo de Markov donde
Rosmery desea saber cuantos litros de yogurt venderaacute este mes y cuantos se perderaacuten si inicia con 40 litros en fermentacioacuten y 100 litros coagulados
Los Estados Absorbentes
Estado 1 Perdida
Estado 2 Vendidos
Los Estados del Proceso
Estado 3 Fermentacioacuten
Estado 4 Coagulacioacuten
Hallar la Matriz Fundamental
Estados Absorbentes
Estados del proceso
P V F Cp
V
F
C
P =
Estados Absorbentes
Estados del proceso
P V F CP
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 4
disciplinas como la economiacutea la ingenieriacutea la investigacioacuten de operaciones y muchas otras
CADENA DE MARKOV
Las cadenas de markov son modelos probabiliacutesticos que se usan para predecir la evolucioacuten y el comportamiento a corto y a largo plazo de determinados sistemas
En principio fue dirigida a resolver problemas industriales sin embargo posteriormente se ha extendido a muchos otros campos como la economiacutea agricultura recursos ambientales recursos pesqueros etc
Resulta de gran intereacutes sobre todo en problemas complejos de gran tamantildeo
Las cadenas de Maacuterkov son una herramienta para analizar el comportamiento y el gobierno de determinados tipos de procesos estocaacutesticos esto es procesos que evolucionan de forma no determiniacutestica a lo largo del tiempo en torno a un conjunto de estados
Una cadena de Maacuterkov por tanto representa un sistema que variacutea un estado a lo largo del tiempo siendo cada cambio una transicioacuten del sistema Dichos cambios no estaacuten predeterminados aunque siacute lo estaacute la probabilidad del proacuteximo estado en funcioacuten de los estados
| 5
anteriores probabilidad que es constante a lo largo del tiempo (sistema homogeacuteneo en el tiempo) Eventualmente es una transicioacuten el nuevo estado puede ser el mismo que el anterior y es posible que exista la posibilidad de influir en las probabilidades de transicioacuten actuando adecuadamente sobre el sistema (decisioacuten)
Conceptos baacutesicos
Para el estudio de las cadenas de Maacuterkov deben tenerse en cuenta algunos conceptos claves como los siguientes
1 Estados
El estado de un sistema en un instante t es una variable cuyos valores solo pueden pertenecer al conjunto de estaos en el sistema El sistema modelizado por la cadena por lo tanto es una variable que cambia con el valor del tiempo cambio al que llamamos transicioacuten
2 Matriz de transicioacuten
Los elementos de matriz representan la probabilidad de que el estado proacuteximo sea el correspondiente a la columna si el estado actual es el correspondiente a la fila
Posee 3 propiedades baacutesicas
La suma de las probabilidades de los estados debe ser igual a 1
La matriz de transicioacuten debe ser cuadrada
Las probabilidades de transicioacuten deben estar entre 0 y 1
Distribucioacuten actual (Vector Po) Es la manera en la que se distribuyen las probabilidades de los estados en un periodo inicial (periodo 0) Esta informacioacuten te permitiraacute averiguar cuaacutel seraacute la distribucioacuten en periodos posteriores
Estado estable Se puede decir que el estado estable es la distribucioacuten de probabilidades que en cierto punto quedaraacute fija para el vector P y no presentaraacute cambios en periodos posterioresPor consiguiente un estado es recurrente siacute y solo si no es transitorio
| 6
ESTADO ABSORBENTES Un estado tal que si el proceso entra en eacutel permaneceraacute indefinidamente en este estado (ya que las probabilidades de pasar a cualquiera de los otros son cero) se dice estado absorbente
De una cadena de Markov que consta de estados transitorios y absorbentes se dice que es una cadena absorbente de Markov
Si una cadena de Markov contiene alguacuten estado absorbente la liacutenea de la matriz de transicioacuten correspondiente a las probabilidades de transicioacuten de dicho estado constaraacute de un 1 en la diagonal principal y ceros en los demaacutes elementos Seraacute por lo tanto una matriz no regular
Para poder estudiar las cadenas de Markov absorbentes es preciso reordenar la matriz de transicioacuten de forma que las filas correspondientes a los estados absorbentes aparezcan en primer lugar Asiacute ordenada se diraacute que la matriz de transicioacuten estaacute en la forma canoacutenica
Donde
I Matriz Identidad
0Matriz Nula
N Matriz No Absorbente
A Matriz Absorbente
El valor esperado se calcula como
V Esp=(I-N)^-1
La probabilidad de caer en los estados absorbentes se calcula como
P=A(I-N)^-1
| 7
ELEMENTOS DE UNA CADENA DE MARKOV
Un conjunto finito de M estados exhaustivos y mutuamente excluyentes (ejemplo estados de la enfermedad)
Ciclo de markov (ldquopasordquo) periodo de tiempo que sirve de base para examinar las transiciones entre estados (ejemplo un mes)
Probabilidades de transicioacuten entre estados en un ciclo (matriz P)
Distribucioacuten inicial del sistema entre los M estados posibles
TIPO DE CADENAS DE MARKOV
Dependiendo del nuacutemero de estados del sistema pueden ser
FINITAS
Es una cadena de Markov para la que existe soacutelo un nuacutemero finito k de estados posibles s1sk y en cualquier instante de tiempo la cadena estaacute en uno de estos k estados
Consisten en sucesiones finitas de pruebas cada una de las cuales tiene un nuacutemero finito de sucesos con probabilidades dadas Procesos de este tipo reciben el nombre de Procesos estocaacutesticos
INFINITAS
La ocurrencia de los eventos se considera indeterminada pero tienden a una situacioacuten de estabilizacioacuten
COMPONENTES
Estado Condiciones iniciales y finales del proceso de Markov
Ensayo Ocurrencias repetidas del evento que se estudia
Probabilidad de Transicioacuten (pij ) Probabilidad de pasar del estado actual al siguiente
1
iSPSS
| 8
Matriz de transicioacuten (P) Es una matriz cuadrada cuyos elementos son pij
MODELO MATEMATICO CADENA INFINITA
S1(t) + S2(t) +hellip + Sn(t) = 1 ldquo n estados ldquo
pi1 + pi2 + hellip + pin = 1
La transicioacuten de un periodo al siguiente se expresa como
S (t + 1) = S (t) P
Para el primer periodo S (1) = S (0) P
Para el segundo periodo S (2) = S (1) P = S (0) P2
Para un periodo largo S = SP
MATRIZ ESTACIONARIA
| 9
APLICACIOacuteN DEL METODO ldquoDE MARKOVrdquo EN UN CASO DE LA VIDA REAL
Caso 1
La Tienda de Don ldquoJoseacuterdquo estima lo siguiente
40 de sus clientes que realizaron la compra de Gaseosas Negras en una semana compraraacuten Gaseosas de otro color la proacutexima semana
20 de sus clientes que realizaron la compra de Gaseosas de Color en una semana compraraacuten Gaseosas Negras la proacutexima semana
Se Tiene inicialmente 119878_0= [04 06] Esto significa que en la semana el 40 de los clientes gaseoseros compraron Gaseosas Negras y el 60 compraron de otro Color
El administrador desea saber cuaacutel seraacute la eleccioacuten de clientes en las proacuteximas semanas
| 10
Solucioacuten
P=[0 6 040 2 08]
S0= [04 06]
S ( t+1 )=S (t)P
S1= [0 4 06 ]lowast[0 6 0402 08 ]= [036064 ]
S2= [036 064 ]lowast[06 0402 08 ]=[03440656 ]
S3= [0344 0656 ]lowast[06 0402 08 ]
iquest [0337606624 ]
S4=[0337606624 ]lowast[0 6 040 2 08]=[033504066496 ]
S5= [033504 066496 ]lowast[06 0402 08 ]
iquest [03340160665984 ]
| 11
S6=[03340160665984 ]lowast[06 040 2 08 ]
iquest [0333606406663936 ]
S7= [03336064 06663936 ]lowast[06 0402 08 ]
iquest [033344256 066655744 ]
S8=[033344256066655744 ]lowast[0 6 0 402 0 8]
iquest [0333377024 0666622976 ]
S9=[03333770240666622976 ]lowast[06 0402 08 ]
iquest [0333350809606666491904 ]
S10=[03333508096 06666491904 ][0 6 0 402 0 8 ]
iquest [03333403238 06666596762 ]
De los anteriores caacutelculos podemos observarse que despueacutes de t = 3 el
mercado alcanza un equilibrio o un estado estable en el sentido que el
mercado no cambia notablemente con el tiempo
COMPROBANDO
| 12
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
iquest [06S1+02 S20 4 S1+08S2 ]
S1=06 S1+02S2
S2=04S1+0 8S2
S1+S2=1
Resolviendo tenemosResolver en mathcad y colocar los resultados119930120783=( )valor porcentual de clientes que compraran ldquogaseosas negrardquo119930120784= ( )valor porcentual de clientes que compraran ldquogaseosas de otro color rdquo
Por lo tanto queda demostrado que los clientes Gaseores consumiraacuten gaseosas de otro color la primara semana
Graficando el aacuterbol
Probabilidad de consumir ldquogaseosa negrardquo o ldquogaseosa de colorrdquo en cada etapa
| 13
Resumen de resultados
Meacutetodo recursivoMeacutetodo estado estacionario
Meacutetodo de aacuterbol
Gaseosanegra
0344
Gaseosade otro color
0656
ConclusioacutenEl producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
CASO 2
GN
04
02 064 x 02 0128
064 x 08 0512
GN
GC
GN
GC
P
036
064GC
08
036 x 04 0144 Gaseosa negra = 0344
Gaseosa de color= 0656
036 x 06 021606
| 14
La sentildeora Rosmery Tafur prepara yogurt artesanal para su venta y posee dos categoriacuteas para la elaboracioacuten la Fermentacioacuten y coagulacioacuten para lo cual se a de emplear el ensayo de Markov donde
Rosmery desea saber cuantos litros de yogurt venderaacute este mes y cuantos se perderaacuten si inicia con 40 litros en fermentacioacuten y 100 litros coagulados
Los Estados Absorbentes
Estado 1 Perdida
Estado 2 Vendidos
Los Estados del Proceso
Estado 3 Fermentacioacuten
Estado 4 Coagulacioacuten
Hallar la Matriz Fundamental
Estados Absorbentes
Estados del proceso
P V F Cp
V
F
C
P =
Estados Absorbentes
Estados del proceso
P V F CP
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 5
anteriores probabilidad que es constante a lo largo del tiempo (sistema homogeacuteneo en el tiempo) Eventualmente es una transicioacuten el nuevo estado puede ser el mismo que el anterior y es posible que exista la posibilidad de influir en las probabilidades de transicioacuten actuando adecuadamente sobre el sistema (decisioacuten)
Conceptos baacutesicos
Para el estudio de las cadenas de Maacuterkov deben tenerse en cuenta algunos conceptos claves como los siguientes
1 Estados
El estado de un sistema en un instante t es una variable cuyos valores solo pueden pertenecer al conjunto de estaos en el sistema El sistema modelizado por la cadena por lo tanto es una variable que cambia con el valor del tiempo cambio al que llamamos transicioacuten
2 Matriz de transicioacuten
Los elementos de matriz representan la probabilidad de que el estado proacuteximo sea el correspondiente a la columna si el estado actual es el correspondiente a la fila
Posee 3 propiedades baacutesicas
La suma de las probabilidades de los estados debe ser igual a 1
La matriz de transicioacuten debe ser cuadrada
Las probabilidades de transicioacuten deben estar entre 0 y 1
Distribucioacuten actual (Vector Po) Es la manera en la que se distribuyen las probabilidades de los estados en un periodo inicial (periodo 0) Esta informacioacuten te permitiraacute averiguar cuaacutel seraacute la distribucioacuten en periodos posteriores
Estado estable Se puede decir que el estado estable es la distribucioacuten de probabilidades que en cierto punto quedaraacute fija para el vector P y no presentaraacute cambios en periodos posterioresPor consiguiente un estado es recurrente siacute y solo si no es transitorio
| 6
ESTADO ABSORBENTES Un estado tal que si el proceso entra en eacutel permaneceraacute indefinidamente en este estado (ya que las probabilidades de pasar a cualquiera de los otros son cero) se dice estado absorbente
De una cadena de Markov que consta de estados transitorios y absorbentes se dice que es una cadena absorbente de Markov
Si una cadena de Markov contiene alguacuten estado absorbente la liacutenea de la matriz de transicioacuten correspondiente a las probabilidades de transicioacuten de dicho estado constaraacute de un 1 en la diagonal principal y ceros en los demaacutes elementos Seraacute por lo tanto una matriz no regular
Para poder estudiar las cadenas de Markov absorbentes es preciso reordenar la matriz de transicioacuten de forma que las filas correspondientes a los estados absorbentes aparezcan en primer lugar Asiacute ordenada se diraacute que la matriz de transicioacuten estaacute en la forma canoacutenica
Donde
I Matriz Identidad
0Matriz Nula
N Matriz No Absorbente
A Matriz Absorbente
El valor esperado se calcula como
V Esp=(I-N)^-1
La probabilidad de caer en los estados absorbentes se calcula como
P=A(I-N)^-1
| 7
ELEMENTOS DE UNA CADENA DE MARKOV
Un conjunto finito de M estados exhaustivos y mutuamente excluyentes (ejemplo estados de la enfermedad)
Ciclo de markov (ldquopasordquo) periodo de tiempo que sirve de base para examinar las transiciones entre estados (ejemplo un mes)
Probabilidades de transicioacuten entre estados en un ciclo (matriz P)
Distribucioacuten inicial del sistema entre los M estados posibles
TIPO DE CADENAS DE MARKOV
Dependiendo del nuacutemero de estados del sistema pueden ser
FINITAS
Es una cadena de Markov para la que existe soacutelo un nuacutemero finito k de estados posibles s1sk y en cualquier instante de tiempo la cadena estaacute en uno de estos k estados
Consisten en sucesiones finitas de pruebas cada una de las cuales tiene un nuacutemero finito de sucesos con probabilidades dadas Procesos de este tipo reciben el nombre de Procesos estocaacutesticos
INFINITAS
La ocurrencia de los eventos se considera indeterminada pero tienden a una situacioacuten de estabilizacioacuten
COMPONENTES
Estado Condiciones iniciales y finales del proceso de Markov
Ensayo Ocurrencias repetidas del evento que se estudia
Probabilidad de Transicioacuten (pij ) Probabilidad de pasar del estado actual al siguiente
1
iSPSS
| 8
Matriz de transicioacuten (P) Es una matriz cuadrada cuyos elementos son pij
MODELO MATEMATICO CADENA INFINITA
S1(t) + S2(t) +hellip + Sn(t) = 1 ldquo n estados ldquo
pi1 + pi2 + hellip + pin = 1
La transicioacuten de un periodo al siguiente se expresa como
S (t + 1) = S (t) P
Para el primer periodo S (1) = S (0) P
Para el segundo periodo S (2) = S (1) P = S (0) P2
Para un periodo largo S = SP
MATRIZ ESTACIONARIA
| 9
APLICACIOacuteN DEL METODO ldquoDE MARKOVrdquo EN UN CASO DE LA VIDA REAL
Caso 1
La Tienda de Don ldquoJoseacuterdquo estima lo siguiente
40 de sus clientes que realizaron la compra de Gaseosas Negras en una semana compraraacuten Gaseosas de otro color la proacutexima semana
20 de sus clientes que realizaron la compra de Gaseosas de Color en una semana compraraacuten Gaseosas Negras la proacutexima semana
Se Tiene inicialmente 119878_0= [04 06] Esto significa que en la semana el 40 de los clientes gaseoseros compraron Gaseosas Negras y el 60 compraron de otro Color
El administrador desea saber cuaacutel seraacute la eleccioacuten de clientes en las proacuteximas semanas
| 10
Solucioacuten
P=[0 6 040 2 08]
S0= [04 06]
S ( t+1 )=S (t)P
S1= [0 4 06 ]lowast[0 6 0402 08 ]= [036064 ]
S2= [036 064 ]lowast[06 0402 08 ]=[03440656 ]
S3= [0344 0656 ]lowast[06 0402 08 ]
iquest [0337606624 ]
S4=[0337606624 ]lowast[0 6 040 2 08]=[033504066496 ]
S5= [033504 066496 ]lowast[06 0402 08 ]
iquest [03340160665984 ]
| 11
S6=[03340160665984 ]lowast[06 040 2 08 ]
iquest [0333606406663936 ]
S7= [03336064 06663936 ]lowast[06 0402 08 ]
iquest [033344256 066655744 ]
S8=[033344256066655744 ]lowast[0 6 0 402 0 8]
iquest [0333377024 0666622976 ]
S9=[03333770240666622976 ]lowast[06 0402 08 ]
iquest [0333350809606666491904 ]
S10=[03333508096 06666491904 ][0 6 0 402 0 8 ]
iquest [03333403238 06666596762 ]
De los anteriores caacutelculos podemos observarse que despueacutes de t = 3 el
mercado alcanza un equilibrio o un estado estable en el sentido que el
mercado no cambia notablemente con el tiempo
COMPROBANDO
| 12
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
iquest [06S1+02 S20 4 S1+08S2 ]
S1=06 S1+02S2
S2=04S1+0 8S2
S1+S2=1
Resolviendo tenemosResolver en mathcad y colocar los resultados119930120783=( )valor porcentual de clientes que compraran ldquogaseosas negrardquo119930120784= ( )valor porcentual de clientes que compraran ldquogaseosas de otro color rdquo
Por lo tanto queda demostrado que los clientes Gaseores consumiraacuten gaseosas de otro color la primara semana
Graficando el aacuterbol
Probabilidad de consumir ldquogaseosa negrardquo o ldquogaseosa de colorrdquo en cada etapa
| 13
Resumen de resultados
Meacutetodo recursivoMeacutetodo estado estacionario
Meacutetodo de aacuterbol
Gaseosanegra
0344
Gaseosade otro color
0656
ConclusioacutenEl producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
CASO 2
GN
04
02 064 x 02 0128
064 x 08 0512
GN
GC
GN
GC
P
036
064GC
08
036 x 04 0144 Gaseosa negra = 0344
Gaseosa de color= 0656
036 x 06 021606
| 14
La sentildeora Rosmery Tafur prepara yogurt artesanal para su venta y posee dos categoriacuteas para la elaboracioacuten la Fermentacioacuten y coagulacioacuten para lo cual se a de emplear el ensayo de Markov donde
Rosmery desea saber cuantos litros de yogurt venderaacute este mes y cuantos se perderaacuten si inicia con 40 litros en fermentacioacuten y 100 litros coagulados
Los Estados Absorbentes
Estado 1 Perdida
Estado 2 Vendidos
Los Estados del Proceso
Estado 3 Fermentacioacuten
Estado 4 Coagulacioacuten
Hallar la Matriz Fundamental
Estados Absorbentes
Estados del proceso
P V F Cp
V
F
C
P =
Estados Absorbentes
Estados del proceso
P V F CP
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 6
ESTADO ABSORBENTES Un estado tal que si el proceso entra en eacutel permaneceraacute indefinidamente en este estado (ya que las probabilidades de pasar a cualquiera de los otros son cero) se dice estado absorbente
De una cadena de Markov que consta de estados transitorios y absorbentes se dice que es una cadena absorbente de Markov
Si una cadena de Markov contiene alguacuten estado absorbente la liacutenea de la matriz de transicioacuten correspondiente a las probabilidades de transicioacuten de dicho estado constaraacute de un 1 en la diagonal principal y ceros en los demaacutes elementos Seraacute por lo tanto una matriz no regular
Para poder estudiar las cadenas de Markov absorbentes es preciso reordenar la matriz de transicioacuten de forma que las filas correspondientes a los estados absorbentes aparezcan en primer lugar Asiacute ordenada se diraacute que la matriz de transicioacuten estaacute en la forma canoacutenica
Donde
I Matriz Identidad
0Matriz Nula
N Matriz No Absorbente
A Matriz Absorbente
El valor esperado se calcula como
V Esp=(I-N)^-1
La probabilidad de caer en los estados absorbentes se calcula como
P=A(I-N)^-1
| 7
ELEMENTOS DE UNA CADENA DE MARKOV
Un conjunto finito de M estados exhaustivos y mutuamente excluyentes (ejemplo estados de la enfermedad)
Ciclo de markov (ldquopasordquo) periodo de tiempo que sirve de base para examinar las transiciones entre estados (ejemplo un mes)
Probabilidades de transicioacuten entre estados en un ciclo (matriz P)
Distribucioacuten inicial del sistema entre los M estados posibles
TIPO DE CADENAS DE MARKOV
Dependiendo del nuacutemero de estados del sistema pueden ser
FINITAS
Es una cadena de Markov para la que existe soacutelo un nuacutemero finito k de estados posibles s1sk y en cualquier instante de tiempo la cadena estaacute en uno de estos k estados
Consisten en sucesiones finitas de pruebas cada una de las cuales tiene un nuacutemero finito de sucesos con probabilidades dadas Procesos de este tipo reciben el nombre de Procesos estocaacutesticos
INFINITAS
La ocurrencia de los eventos se considera indeterminada pero tienden a una situacioacuten de estabilizacioacuten
COMPONENTES
Estado Condiciones iniciales y finales del proceso de Markov
Ensayo Ocurrencias repetidas del evento que se estudia
Probabilidad de Transicioacuten (pij ) Probabilidad de pasar del estado actual al siguiente
1
iSPSS
| 8
Matriz de transicioacuten (P) Es una matriz cuadrada cuyos elementos son pij
MODELO MATEMATICO CADENA INFINITA
S1(t) + S2(t) +hellip + Sn(t) = 1 ldquo n estados ldquo
pi1 + pi2 + hellip + pin = 1
La transicioacuten de un periodo al siguiente se expresa como
S (t + 1) = S (t) P
Para el primer periodo S (1) = S (0) P
Para el segundo periodo S (2) = S (1) P = S (0) P2
Para un periodo largo S = SP
MATRIZ ESTACIONARIA
| 9
APLICACIOacuteN DEL METODO ldquoDE MARKOVrdquo EN UN CASO DE LA VIDA REAL
Caso 1
La Tienda de Don ldquoJoseacuterdquo estima lo siguiente
40 de sus clientes que realizaron la compra de Gaseosas Negras en una semana compraraacuten Gaseosas de otro color la proacutexima semana
20 de sus clientes que realizaron la compra de Gaseosas de Color en una semana compraraacuten Gaseosas Negras la proacutexima semana
Se Tiene inicialmente 119878_0= [04 06] Esto significa que en la semana el 40 de los clientes gaseoseros compraron Gaseosas Negras y el 60 compraron de otro Color
El administrador desea saber cuaacutel seraacute la eleccioacuten de clientes en las proacuteximas semanas
| 10
Solucioacuten
P=[0 6 040 2 08]
S0= [04 06]
S ( t+1 )=S (t)P
S1= [0 4 06 ]lowast[0 6 0402 08 ]= [036064 ]
S2= [036 064 ]lowast[06 0402 08 ]=[03440656 ]
S3= [0344 0656 ]lowast[06 0402 08 ]
iquest [0337606624 ]
S4=[0337606624 ]lowast[0 6 040 2 08]=[033504066496 ]
S5= [033504 066496 ]lowast[06 0402 08 ]
iquest [03340160665984 ]
| 11
S6=[03340160665984 ]lowast[06 040 2 08 ]
iquest [0333606406663936 ]
S7= [03336064 06663936 ]lowast[06 0402 08 ]
iquest [033344256 066655744 ]
S8=[033344256066655744 ]lowast[0 6 0 402 0 8]
iquest [0333377024 0666622976 ]
S9=[03333770240666622976 ]lowast[06 0402 08 ]
iquest [0333350809606666491904 ]
S10=[03333508096 06666491904 ][0 6 0 402 0 8 ]
iquest [03333403238 06666596762 ]
De los anteriores caacutelculos podemos observarse que despueacutes de t = 3 el
mercado alcanza un equilibrio o un estado estable en el sentido que el
mercado no cambia notablemente con el tiempo
COMPROBANDO
| 12
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
iquest [06S1+02 S20 4 S1+08S2 ]
S1=06 S1+02S2
S2=04S1+0 8S2
S1+S2=1
Resolviendo tenemosResolver en mathcad y colocar los resultados119930120783=( )valor porcentual de clientes que compraran ldquogaseosas negrardquo119930120784= ( )valor porcentual de clientes que compraran ldquogaseosas de otro color rdquo
Por lo tanto queda demostrado que los clientes Gaseores consumiraacuten gaseosas de otro color la primara semana
Graficando el aacuterbol
Probabilidad de consumir ldquogaseosa negrardquo o ldquogaseosa de colorrdquo en cada etapa
| 13
Resumen de resultados
Meacutetodo recursivoMeacutetodo estado estacionario
Meacutetodo de aacuterbol
Gaseosanegra
0344
Gaseosade otro color
0656
ConclusioacutenEl producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
CASO 2
GN
04
02 064 x 02 0128
064 x 08 0512
GN
GC
GN
GC
P
036
064GC
08
036 x 04 0144 Gaseosa negra = 0344
Gaseosa de color= 0656
036 x 06 021606
| 14
La sentildeora Rosmery Tafur prepara yogurt artesanal para su venta y posee dos categoriacuteas para la elaboracioacuten la Fermentacioacuten y coagulacioacuten para lo cual se a de emplear el ensayo de Markov donde
Rosmery desea saber cuantos litros de yogurt venderaacute este mes y cuantos se perderaacuten si inicia con 40 litros en fermentacioacuten y 100 litros coagulados
Los Estados Absorbentes
Estado 1 Perdida
Estado 2 Vendidos
Los Estados del Proceso
Estado 3 Fermentacioacuten
Estado 4 Coagulacioacuten
Hallar la Matriz Fundamental
Estados Absorbentes
Estados del proceso
P V F Cp
V
F
C
P =
Estados Absorbentes
Estados del proceso
P V F CP
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 7
ELEMENTOS DE UNA CADENA DE MARKOV
Un conjunto finito de M estados exhaustivos y mutuamente excluyentes (ejemplo estados de la enfermedad)
Ciclo de markov (ldquopasordquo) periodo de tiempo que sirve de base para examinar las transiciones entre estados (ejemplo un mes)
Probabilidades de transicioacuten entre estados en un ciclo (matriz P)
Distribucioacuten inicial del sistema entre los M estados posibles
TIPO DE CADENAS DE MARKOV
Dependiendo del nuacutemero de estados del sistema pueden ser
FINITAS
Es una cadena de Markov para la que existe soacutelo un nuacutemero finito k de estados posibles s1sk y en cualquier instante de tiempo la cadena estaacute en uno de estos k estados
Consisten en sucesiones finitas de pruebas cada una de las cuales tiene un nuacutemero finito de sucesos con probabilidades dadas Procesos de este tipo reciben el nombre de Procesos estocaacutesticos
INFINITAS
La ocurrencia de los eventos se considera indeterminada pero tienden a una situacioacuten de estabilizacioacuten
COMPONENTES
Estado Condiciones iniciales y finales del proceso de Markov
Ensayo Ocurrencias repetidas del evento que se estudia
Probabilidad de Transicioacuten (pij ) Probabilidad de pasar del estado actual al siguiente
1
iSPSS
| 8
Matriz de transicioacuten (P) Es una matriz cuadrada cuyos elementos son pij
MODELO MATEMATICO CADENA INFINITA
S1(t) + S2(t) +hellip + Sn(t) = 1 ldquo n estados ldquo
pi1 + pi2 + hellip + pin = 1
La transicioacuten de un periodo al siguiente se expresa como
S (t + 1) = S (t) P
Para el primer periodo S (1) = S (0) P
Para el segundo periodo S (2) = S (1) P = S (0) P2
Para un periodo largo S = SP
MATRIZ ESTACIONARIA
| 9
APLICACIOacuteN DEL METODO ldquoDE MARKOVrdquo EN UN CASO DE LA VIDA REAL
Caso 1
La Tienda de Don ldquoJoseacuterdquo estima lo siguiente
40 de sus clientes que realizaron la compra de Gaseosas Negras en una semana compraraacuten Gaseosas de otro color la proacutexima semana
20 de sus clientes que realizaron la compra de Gaseosas de Color en una semana compraraacuten Gaseosas Negras la proacutexima semana
Se Tiene inicialmente 119878_0= [04 06] Esto significa que en la semana el 40 de los clientes gaseoseros compraron Gaseosas Negras y el 60 compraron de otro Color
El administrador desea saber cuaacutel seraacute la eleccioacuten de clientes en las proacuteximas semanas
| 10
Solucioacuten
P=[0 6 040 2 08]
S0= [04 06]
S ( t+1 )=S (t)P
S1= [0 4 06 ]lowast[0 6 0402 08 ]= [036064 ]
S2= [036 064 ]lowast[06 0402 08 ]=[03440656 ]
S3= [0344 0656 ]lowast[06 0402 08 ]
iquest [0337606624 ]
S4=[0337606624 ]lowast[0 6 040 2 08]=[033504066496 ]
S5= [033504 066496 ]lowast[06 0402 08 ]
iquest [03340160665984 ]
| 11
S6=[03340160665984 ]lowast[06 040 2 08 ]
iquest [0333606406663936 ]
S7= [03336064 06663936 ]lowast[06 0402 08 ]
iquest [033344256 066655744 ]
S8=[033344256066655744 ]lowast[0 6 0 402 0 8]
iquest [0333377024 0666622976 ]
S9=[03333770240666622976 ]lowast[06 0402 08 ]
iquest [0333350809606666491904 ]
S10=[03333508096 06666491904 ][0 6 0 402 0 8 ]
iquest [03333403238 06666596762 ]
De los anteriores caacutelculos podemos observarse que despueacutes de t = 3 el
mercado alcanza un equilibrio o un estado estable en el sentido que el
mercado no cambia notablemente con el tiempo
COMPROBANDO
| 12
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
iquest [06S1+02 S20 4 S1+08S2 ]
S1=06 S1+02S2
S2=04S1+0 8S2
S1+S2=1
Resolviendo tenemosResolver en mathcad y colocar los resultados119930120783=( )valor porcentual de clientes que compraran ldquogaseosas negrardquo119930120784= ( )valor porcentual de clientes que compraran ldquogaseosas de otro color rdquo
Por lo tanto queda demostrado que los clientes Gaseores consumiraacuten gaseosas de otro color la primara semana
Graficando el aacuterbol
Probabilidad de consumir ldquogaseosa negrardquo o ldquogaseosa de colorrdquo en cada etapa
| 13
Resumen de resultados
Meacutetodo recursivoMeacutetodo estado estacionario
Meacutetodo de aacuterbol
Gaseosanegra
0344
Gaseosade otro color
0656
ConclusioacutenEl producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
CASO 2
GN
04
02 064 x 02 0128
064 x 08 0512
GN
GC
GN
GC
P
036
064GC
08
036 x 04 0144 Gaseosa negra = 0344
Gaseosa de color= 0656
036 x 06 021606
| 14
La sentildeora Rosmery Tafur prepara yogurt artesanal para su venta y posee dos categoriacuteas para la elaboracioacuten la Fermentacioacuten y coagulacioacuten para lo cual se a de emplear el ensayo de Markov donde
Rosmery desea saber cuantos litros de yogurt venderaacute este mes y cuantos se perderaacuten si inicia con 40 litros en fermentacioacuten y 100 litros coagulados
Los Estados Absorbentes
Estado 1 Perdida
Estado 2 Vendidos
Los Estados del Proceso
Estado 3 Fermentacioacuten
Estado 4 Coagulacioacuten
Hallar la Matriz Fundamental
Estados Absorbentes
Estados del proceso
P V F Cp
V
F
C
P =
Estados Absorbentes
Estados del proceso
P V F CP
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
1
iSPSS
| 8
Matriz de transicioacuten (P) Es una matriz cuadrada cuyos elementos son pij
MODELO MATEMATICO CADENA INFINITA
S1(t) + S2(t) +hellip + Sn(t) = 1 ldquo n estados ldquo
pi1 + pi2 + hellip + pin = 1
La transicioacuten de un periodo al siguiente se expresa como
S (t + 1) = S (t) P
Para el primer periodo S (1) = S (0) P
Para el segundo periodo S (2) = S (1) P = S (0) P2
Para un periodo largo S = SP
MATRIZ ESTACIONARIA
| 9
APLICACIOacuteN DEL METODO ldquoDE MARKOVrdquo EN UN CASO DE LA VIDA REAL
Caso 1
La Tienda de Don ldquoJoseacuterdquo estima lo siguiente
40 de sus clientes que realizaron la compra de Gaseosas Negras en una semana compraraacuten Gaseosas de otro color la proacutexima semana
20 de sus clientes que realizaron la compra de Gaseosas de Color en una semana compraraacuten Gaseosas Negras la proacutexima semana
Se Tiene inicialmente 119878_0= [04 06] Esto significa que en la semana el 40 de los clientes gaseoseros compraron Gaseosas Negras y el 60 compraron de otro Color
El administrador desea saber cuaacutel seraacute la eleccioacuten de clientes en las proacuteximas semanas
| 10
Solucioacuten
P=[0 6 040 2 08]
S0= [04 06]
S ( t+1 )=S (t)P
S1= [0 4 06 ]lowast[0 6 0402 08 ]= [036064 ]
S2= [036 064 ]lowast[06 0402 08 ]=[03440656 ]
S3= [0344 0656 ]lowast[06 0402 08 ]
iquest [0337606624 ]
S4=[0337606624 ]lowast[0 6 040 2 08]=[033504066496 ]
S5= [033504 066496 ]lowast[06 0402 08 ]
iquest [03340160665984 ]
| 11
S6=[03340160665984 ]lowast[06 040 2 08 ]
iquest [0333606406663936 ]
S7= [03336064 06663936 ]lowast[06 0402 08 ]
iquest [033344256 066655744 ]
S8=[033344256066655744 ]lowast[0 6 0 402 0 8]
iquest [0333377024 0666622976 ]
S9=[03333770240666622976 ]lowast[06 0402 08 ]
iquest [0333350809606666491904 ]
S10=[03333508096 06666491904 ][0 6 0 402 0 8 ]
iquest [03333403238 06666596762 ]
De los anteriores caacutelculos podemos observarse que despueacutes de t = 3 el
mercado alcanza un equilibrio o un estado estable en el sentido que el
mercado no cambia notablemente con el tiempo
COMPROBANDO
| 12
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
iquest [06S1+02 S20 4 S1+08S2 ]
S1=06 S1+02S2
S2=04S1+0 8S2
S1+S2=1
Resolviendo tenemosResolver en mathcad y colocar los resultados119930120783=( )valor porcentual de clientes que compraran ldquogaseosas negrardquo119930120784= ( )valor porcentual de clientes que compraran ldquogaseosas de otro color rdquo
Por lo tanto queda demostrado que los clientes Gaseores consumiraacuten gaseosas de otro color la primara semana
Graficando el aacuterbol
Probabilidad de consumir ldquogaseosa negrardquo o ldquogaseosa de colorrdquo en cada etapa
| 13
Resumen de resultados
Meacutetodo recursivoMeacutetodo estado estacionario
Meacutetodo de aacuterbol
Gaseosanegra
0344
Gaseosade otro color
0656
ConclusioacutenEl producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
CASO 2
GN
04
02 064 x 02 0128
064 x 08 0512
GN
GC
GN
GC
P
036
064GC
08
036 x 04 0144 Gaseosa negra = 0344
Gaseosa de color= 0656
036 x 06 021606
| 14
La sentildeora Rosmery Tafur prepara yogurt artesanal para su venta y posee dos categoriacuteas para la elaboracioacuten la Fermentacioacuten y coagulacioacuten para lo cual se a de emplear el ensayo de Markov donde
Rosmery desea saber cuantos litros de yogurt venderaacute este mes y cuantos se perderaacuten si inicia con 40 litros en fermentacioacuten y 100 litros coagulados
Los Estados Absorbentes
Estado 1 Perdida
Estado 2 Vendidos
Los Estados del Proceso
Estado 3 Fermentacioacuten
Estado 4 Coagulacioacuten
Hallar la Matriz Fundamental
Estados Absorbentes
Estados del proceso
P V F Cp
V
F
C
P =
Estados Absorbentes
Estados del proceso
P V F CP
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 9
APLICACIOacuteN DEL METODO ldquoDE MARKOVrdquo EN UN CASO DE LA VIDA REAL
Caso 1
La Tienda de Don ldquoJoseacuterdquo estima lo siguiente
40 de sus clientes que realizaron la compra de Gaseosas Negras en una semana compraraacuten Gaseosas de otro color la proacutexima semana
20 de sus clientes que realizaron la compra de Gaseosas de Color en una semana compraraacuten Gaseosas Negras la proacutexima semana
Se Tiene inicialmente 119878_0= [04 06] Esto significa que en la semana el 40 de los clientes gaseoseros compraron Gaseosas Negras y el 60 compraron de otro Color
El administrador desea saber cuaacutel seraacute la eleccioacuten de clientes en las proacuteximas semanas
| 10
Solucioacuten
P=[0 6 040 2 08]
S0= [04 06]
S ( t+1 )=S (t)P
S1= [0 4 06 ]lowast[0 6 0402 08 ]= [036064 ]
S2= [036 064 ]lowast[06 0402 08 ]=[03440656 ]
S3= [0344 0656 ]lowast[06 0402 08 ]
iquest [0337606624 ]
S4=[0337606624 ]lowast[0 6 040 2 08]=[033504066496 ]
S5= [033504 066496 ]lowast[06 0402 08 ]
iquest [03340160665984 ]
| 11
S6=[03340160665984 ]lowast[06 040 2 08 ]
iquest [0333606406663936 ]
S7= [03336064 06663936 ]lowast[06 0402 08 ]
iquest [033344256 066655744 ]
S8=[033344256066655744 ]lowast[0 6 0 402 0 8]
iquest [0333377024 0666622976 ]
S9=[03333770240666622976 ]lowast[06 0402 08 ]
iquest [0333350809606666491904 ]
S10=[03333508096 06666491904 ][0 6 0 402 0 8 ]
iquest [03333403238 06666596762 ]
De los anteriores caacutelculos podemos observarse que despueacutes de t = 3 el
mercado alcanza un equilibrio o un estado estable en el sentido que el
mercado no cambia notablemente con el tiempo
COMPROBANDO
| 12
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
iquest [06S1+02 S20 4 S1+08S2 ]
S1=06 S1+02S2
S2=04S1+0 8S2
S1+S2=1
Resolviendo tenemosResolver en mathcad y colocar los resultados119930120783=( )valor porcentual de clientes que compraran ldquogaseosas negrardquo119930120784= ( )valor porcentual de clientes que compraran ldquogaseosas de otro color rdquo
Por lo tanto queda demostrado que los clientes Gaseores consumiraacuten gaseosas de otro color la primara semana
Graficando el aacuterbol
Probabilidad de consumir ldquogaseosa negrardquo o ldquogaseosa de colorrdquo en cada etapa
| 13
Resumen de resultados
Meacutetodo recursivoMeacutetodo estado estacionario
Meacutetodo de aacuterbol
Gaseosanegra
0344
Gaseosade otro color
0656
ConclusioacutenEl producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
CASO 2
GN
04
02 064 x 02 0128
064 x 08 0512
GN
GC
GN
GC
P
036
064GC
08
036 x 04 0144 Gaseosa negra = 0344
Gaseosa de color= 0656
036 x 06 021606
| 14
La sentildeora Rosmery Tafur prepara yogurt artesanal para su venta y posee dos categoriacuteas para la elaboracioacuten la Fermentacioacuten y coagulacioacuten para lo cual se a de emplear el ensayo de Markov donde
Rosmery desea saber cuantos litros de yogurt venderaacute este mes y cuantos se perderaacuten si inicia con 40 litros en fermentacioacuten y 100 litros coagulados
Los Estados Absorbentes
Estado 1 Perdida
Estado 2 Vendidos
Los Estados del Proceso
Estado 3 Fermentacioacuten
Estado 4 Coagulacioacuten
Hallar la Matriz Fundamental
Estados Absorbentes
Estados del proceso
P V F Cp
V
F
C
P =
Estados Absorbentes
Estados del proceso
P V F CP
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 10
Solucioacuten
P=[0 6 040 2 08]
S0= [04 06]
S ( t+1 )=S (t)P
S1= [0 4 06 ]lowast[0 6 0402 08 ]= [036064 ]
S2= [036 064 ]lowast[06 0402 08 ]=[03440656 ]
S3= [0344 0656 ]lowast[06 0402 08 ]
iquest [0337606624 ]
S4=[0337606624 ]lowast[0 6 040 2 08]=[033504066496 ]
S5= [033504 066496 ]lowast[06 0402 08 ]
iquest [03340160665984 ]
| 11
S6=[03340160665984 ]lowast[06 040 2 08 ]
iquest [0333606406663936 ]
S7= [03336064 06663936 ]lowast[06 0402 08 ]
iquest [033344256 066655744 ]
S8=[033344256066655744 ]lowast[0 6 0 402 0 8]
iquest [0333377024 0666622976 ]
S9=[03333770240666622976 ]lowast[06 0402 08 ]
iquest [0333350809606666491904 ]
S10=[03333508096 06666491904 ][0 6 0 402 0 8 ]
iquest [03333403238 06666596762 ]
De los anteriores caacutelculos podemos observarse que despueacutes de t = 3 el
mercado alcanza un equilibrio o un estado estable en el sentido que el
mercado no cambia notablemente con el tiempo
COMPROBANDO
| 12
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
iquest [06S1+02 S20 4 S1+08S2 ]
S1=06 S1+02S2
S2=04S1+0 8S2
S1+S2=1
Resolviendo tenemosResolver en mathcad y colocar los resultados119930120783=( )valor porcentual de clientes que compraran ldquogaseosas negrardquo119930120784= ( )valor porcentual de clientes que compraran ldquogaseosas de otro color rdquo
Por lo tanto queda demostrado que los clientes Gaseores consumiraacuten gaseosas de otro color la primara semana
Graficando el aacuterbol
Probabilidad de consumir ldquogaseosa negrardquo o ldquogaseosa de colorrdquo en cada etapa
| 13
Resumen de resultados
Meacutetodo recursivoMeacutetodo estado estacionario
Meacutetodo de aacuterbol
Gaseosanegra
0344
Gaseosade otro color
0656
ConclusioacutenEl producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
CASO 2
GN
04
02 064 x 02 0128
064 x 08 0512
GN
GC
GN
GC
P
036
064GC
08
036 x 04 0144 Gaseosa negra = 0344
Gaseosa de color= 0656
036 x 06 021606
| 14
La sentildeora Rosmery Tafur prepara yogurt artesanal para su venta y posee dos categoriacuteas para la elaboracioacuten la Fermentacioacuten y coagulacioacuten para lo cual se a de emplear el ensayo de Markov donde
Rosmery desea saber cuantos litros de yogurt venderaacute este mes y cuantos se perderaacuten si inicia con 40 litros en fermentacioacuten y 100 litros coagulados
Los Estados Absorbentes
Estado 1 Perdida
Estado 2 Vendidos
Los Estados del Proceso
Estado 3 Fermentacioacuten
Estado 4 Coagulacioacuten
Hallar la Matriz Fundamental
Estados Absorbentes
Estados del proceso
P V F Cp
V
F
C
P =
Estados Absorbentes
Estados del proceso
P V F CP
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 11
S6=[03340160665984 ]lowast[06 040 2 08 ]
iquest [0333606406663936 ]
S7= [03336064 06663936 ]lowast[06 0402 08 ]
iquest [033344256 066655744 ]
S8=[033344256066655744 ]lowast[0 6 0 402 0 8]
iquest [0333377024 0666622976 ]
S9=[03333770240666622976 ]lowast[06 0402 08 ]
iquest [0333350809606666491904 ]
S10=[03333508096 06666491904 ][0 6 0 402 0 8 ]
iquest [03333403238 06666596762 ]
De los anteriores caacutelculos podemos observarse que despueacutes de t = 3 el
mercado alcanza un equilibrio o un estado estable en el sentido que el
mercado no cambia notablemente con el tiempo
COMPROBANDO
| 12
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
iquest [06S1+02 S20 4 S1+08S2 ]
S1=06 S1+02S2
S2=04S1+0 8S2
S1+S2=1
Resolviendo tenemosResolver en mathcad y colocar los resultados119930120783=( )valor porcentual de clientes que compraran ldquogaseosas negrardquo119930120784= ( )valor porcentual de clientes que compraran ldquogaseosas de otro color rdquo
Por lo tanto queda demostrado que los clientes Gaseores consumiraacuten gaseosas de otro color la primara semana
Graficando el aacuterbol
Probabilidad de consumir ldquogaseosa negrardquo o ldquogaseosa de colorrdquo en cada etapa
| 13
Resumen de resultados
Meacutetodo recursivoMeacutetodo estado estacionario
Meacutetodo de aacuterbol
Gaseosanegra
0344
Gaseosade otro color
0656
ConclusioacutenEl producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
CASO 2
GN
04
02 064 x 02 0128
064 x 08 0512
GN
GC
GN
GC
P
036
064GC
08
036 x 04 0144 Gaseosa negra = 0344
Gaseosa de color= 0656
036 x 06 021606
| 14
La sentildeora Rosmery Tafur prepara yogurt artesanal para su venta y posee dos categoriacuteas para la elaboracioacuten la Fermentacioacuten y coagulacioacuten para lo cual se a de emplear el ensayo de Markov donde
Rosmery desea saber cuantos litros de yogurt venderaacute este mes y cuantos se perderaacuten si inicia con 40 litros en fermentacioacuten y 100 litros coagulados
Los Estados Absorbentes
Estado 1 Perdida
Estado 2 Vendidos
Los Estados del Proceso
Estado 3 Fermentacioacuten
Estado 4 Coagulacioacuten
Hallar la Matriz Fundamental
Estados Absorbentes
Estados del proceso
P V F Cp
V
F
C
P =
Estados Absorbentes
Estados del proceso
P V F CP
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 12
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
[ S1S2 ]=[S1S2 ]lowast[0 6 0402 08 ]
iquest [06S1+02 S20 4 S1+08S2 ]
S1=06 S1+02S2
S2=04S1+0 8S2
S1+S2=1
Resolviendo tenemosResolver en mathcad y colocar los resultados119930120783=( )valor porcentual de clientes que compraran ldquogaseosas negrardquo119930120784= ( )valor porcentual de clientes que compraran ldquogaseosas de otro color rdquo
Por lo tanto queda demostrado que los clientes Gaseores consumiraacuten gaseosas de otro color la primara semana
Graficando el aacuterbol
Probabilidad de consumir ldquogaseosa negrardquo o ldquogaseosa de colorrdquo en cada etapa
| 13
Resumen de resultados
Meacutetodo recursivoMeacutetodo estado estacionario
Meacutetodo de aacuterbol
Gaseosanegra
0344
Gaseosade otro color
0656
ConclusioacutenEl producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
CASO 2
GN
04
02 064 x 02 0128
064 x 08 0512
GN
GC
GN
GC
P
036
064GC
08
036 x 04 0144 Gaseosa negra = 0344
Gaseosa de color= 0656
036 x 06 021606
| 14
La sentildeora Rosmery Tafur prepara yogurt artesanal para su venta y posee dos categoriacuteas para la elaboracioacuten la Fermentacioacuten y coagulacioacuten para lo cual se a de emplear el ensayo de Markov donde
Rosmery desea saber cuantos litros de yogurt venderaacute este mes y cuantos se perderaacuten si inicia con 40 litros en fermentacioacuten y 100 litros coagulados
Los Estados Absorbentes
Estado 1 Perdida
Estado 2 Vendidos
Los Estados del Proceso
Estado 3 Fermentacioacuten
Estado 4 Coagulacioacuten
Hallar la Matriz Fundamental
Estados Absorbentes
Estados del proceso
P V F Cp
V
F
C
P =
Estados Absorbentes
Estados del proceso
P V F CP
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 13
Resumen de resultados
Meacutetodo recursivoMeacutetodo estado estacionario
Meacutetodo de aacuterbol
Gaseosanegra
0344
Gaseosade otro color
0656
ConclusioacutenEl producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
CASO 2
GN
04
02 064 x 02 0128
064 x 08 0512
GN
GC
GN
GC
P
036
064GC
08
036 x 04 0144 Gaseosa negra = 0344
Gaseosa de color= 0656
036 x 06 021606
| 14
La sentildeora Rosmery Tafur prepara yogurt artesanal para su venta y posee dos categoriacuteas para la elaboracioacuten la Fermentacioacuten y coagulacioacuten para lo cual se a de emplear el ensayo de Markov donde
Rosmery desea saber cuantos litros de yogurt venderaacute este mes y cuantos se perderaacuten si inicia con 40 litros en fermentacioacuten y 100 litros coagulados
Los Estados Absorbentes
Estado 1 Perdida
Estado 2 Vendidos
Los Estados del Proceso
Estado 3 Fermentacioacuten
Estado 4 Coagulacioacuten
Hallar la Matriz Fundamental
Estados Absorbentes
Estados del proceso
P V F Cp
V
F
C
P =
Estados Absorbentes
Estados del proceso
P V F CP
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 14
La sentildeora Rosmery Tafur prepara yogurt artesanal para su venta y posee dos categoriacuteas para la elaboracioacuten la Fermentacioacuten y coagulacioacuten para lo cual se a de emplear el ensayo de Markov donde
Rosmery desea saber cuantos litros de yogurt venderaacute este mes y cuantos se perderaacuten si inicia con 40 litros en fermentacioacuten y 100 litros coagulados
Los Estados Absorbentes
Estado 1 Perdida
Estado 2 Vendidos
Los Estados del Proceso
Estado 3 Fermentacioacuten
Estado 4 Coagulacioacuten
Hallar la Matriz Fundamental
Estados Absorbentes
Estados del proceso
P V F Cp
V
F
C
P =
Estados Absorbentes
Estados del proceso
P V F CP
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 15
F=[ IminusT ]minus1
F=[085 minus0600 0 82 ]
minus1
=hellip
ArarrA Aminus1=I
[0 85 minus0600 082 ]lowast[x y
z w]=[1 00 1]
085 xminus060 z=1rarrx=118
085 yminus060w=0rarr y=086
0x + 082 z=0rarrz=0
0y + 082w=1rarrw=122
Entonces
P
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 16
F=[085 minus0600 0 82 ]
minus1
=[118 0 860 1 22]
F K=[118 0 860 1 22][015 0
012 080]iquest [028 0 690 15 098 ]
Tenemos
F CP V
FP CP FV CV
P V
P V
Conclusioacuten del Problema
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurt
Para la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
CONCLUSIOacuteN
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 17
Para concluir podemos decir que las cadenas de Markov son una
herramienta para analizar el comportamiento y el gobierno de
determinados tipos de procesos estocaacutesticos esto es procesos que
evolucionan de forma no determiniacutestica a lo largo del tiempo en
torno a un conjunto de estados
Este meacutetodo es muy importante ya que ha comenzado a usarse en
los uacuteltimos antildeos como instrumento de investigaciones de
mercadotecnia para examinar y pronosticar el comportamiento de
los clientes desde el punto de vista de su lealtad a una marca y de
sus formas de cambio a otras marcas la aplicacioacuten de esta teacutecnica
ya no solo se limita a la mercadotecnia sino que su campo de
accioacuten se ha podido aplicar en diversos campos
Esperemos que este documentacion sea de gran utilidad y que los
conceptos contenidos queden explicados de manera clara
CONCLUSION ESPECIacuteFICA
El producto que maacutes consumiraacuten los gaseoseros en las proacuteximas semanas seraacuten las gaseosas de otro color ya que es la maacutes vendida seguacuten nuestra muestra
Al final concluimos que los litros que se venden son 126 y se pierden 26 litros de yogurtPara la sentildeora es una perdida inaceptable entonces se le recomienda mejorar el producto e implementar un mejor sistema de ventas
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml
| 18
BIBLIOGRAFIacuteA
Peacuterez J (2011 3 de Junio) Andrei Markov Recuperado dehttpinvestigacindeoperacioneshtml
Morales L (2011 2 de Junio) Cadenas de Markov Recuperado dehttpingindustrialio2-blogspotmx201106cadenas-de-markovhtml