1ra Evaluación I Término 2017-2018. Junio 27, 2017
Tema 1
Cadena de Markov, desarrollo a partir de la matriz
Diagrama de Estados de transición:
Resolución planteando las ecuaciones
π0 = (1/2)π0 + (9/10)π1 π1 = (1/2)π0 + (1/10)π2 π2 = (1/10)π1 + (1/2)π3 π3 = (9/10)π2 + (1/2)π3 π0 + π1 + π2 + π3 = 1 usando ecuacion (1) π0 -(1/2)π0 = (9/10)π1 (1/2)π0 = (9/10)π1 π1 = (5/9)π0 usando ecuacion(2) (5/9)π0 = (1/2)π0 + (1/10)π2 (5/9)π0 - (1/2)π0 = (1/10)π2 [(10 - 9)/18] π0 = (1/10)π2 [1/18] π0 = (1/10)π2 π2 = (10/18) π0 π2 = (5/9) π0 usando ecuacion (3) (5/9) π0 = (1/10)(5/9)π0 + (1/2)π3 (5/9) π0 - (1/10)(5/9)π0 = (1/2)π3 (1-1/10)(5/9) π0 = (1/2)π3 (9/10)(5/9) π0 = (1/2)π3 (1/2) π0 = (1/2)π3 π3 = π0 usando la ecuación (5) π0 + (5/9)π0 + (5/9) π0 + π0 = 1 (1 + 5/9 + 5/9 + 1) π0 = 1 (2 + 10/9) π0 = 1 (28/9) π0 = 1 π0 = (9/28) π1 = (5/9)(9/28) = 5/28 π2 = 5/28 π3 = 9/28
resolución usando numpy de python
# Tema 1. matriz de transición import numpy as np p=np.array([ [ 1/2, 1/2, 0, 0], [9/10, 0,1/10, 0], [ 0,1/10, 0,9/10], [ 0, 0, 1/2, 1/2] ]) n=200 pn=np.linalg.matrix_power(p,n) print(pn) # Resolviendo por matrices A= AT-I) y el vector de ceros terminado en 1 k=len(p) A=p.transpose() A=A-np.identity(k, dtype=int) # la última fila se sustituye por la suma de probabilidades A[-1,:]=np.ones(k,dtype=int) B=np.zeros(k,dtype=int) B[-1]=1 # el último Pncalc=np.linalg.solve(A,B) print('largo plazo') print(Pncalc)
[[ 0.32142907 0.17857167 0.17857119 0.32142808] [ 0.321429 0.17857164 0.17857122 0.32142814] [ 0.32142814 0.17857122 0.17857164 0.321429 ] [ 0.32142808 0.17857119 0.17857167 0.32142907]] largo plazo [ 0.32142857 0.17857143 0.17857143 0.32142857]
verificando que las fracciones sean los valores encontrados por python:
print(5/28)
0.17857142857142858