Procesos Estocsticos

Unidad 2

ASIGNACIN FINAL
17 de septiembre de 2015
Autor: Laura Pontn

Procesos Estocsticos
Unidad 2
Durante el mes de mayo en la ciudad de Mxico el clima suele ser muy variado, puede
presentarse los siguientes climas
Clima

Notacin

Soleado

Nublado

Medio Nublado

Lluvioso

Se tienen los siguientes registros del clima:

LNLLNMSNMLSLMSNSSNNNSLN
SNNMMMMMNSSNMNNMNMNL
LSSMNNNLLLSLLNNLLNSSLSN
NLLNSSLSMNSMMSSSSSNLNNM
MSSLLSNNNNNLNSNNSMNMMS
NLLSNNLSNNM

Organizacin de la Informacin
Conteo de las transiciones de estados:
Del
estado

Procesos Estocsticos | 17/09/2015

Al
estado

frecuencia

Del
estado
M

Al
estado

frecuencia

11

TOTAL

25

TOTAL

23

15

11

TOTAL

39

TOTAL

29

Partiendo del estado lluvioso, las probabilidades de transicin son:

(, ) =

9
= 0.36
25

(, ) =

1
= 0.04
25

(, ) =

8
= 0.32
25

(, ) =

7
= 0.28
25

Partiendo del estado nublado, las probabilidades de transicin son:

(, ) =

8
= 0.2051
39

(, ) =

8
= 0.2051
39

(, ) =

15
= 0.3847
39

(, ) =

8
= 0.2051
39

Partiendo del estado medio nublado, las probabilidades de transicin son:

(, ) =

1
= 0.0437
23

(, ) =

11
= 0.4782
23

(, ) =

6
= 0.2608
23

(, ) =

5
= 0.2173
23

(, ) =

6
= 0.2070
29

(, ) =

3
= 0.1034
29

(, ) =

11
= 0.3793
29

(, ) =

9
= 0.3103
29

Procesos Estocsticos | 17/09/2015

Partiendo del estado soleado, las probabilidades de transicin son:

El mes inicio con un da nublado.

1. Definir Xn, S y T
Se observa el comportamiento del clima en la ciudad de Mxico en el da n.
Xn es la variable aleatoria: Especifica el comportamiento del clima en la ciudad de Mxico, se observa en el
da n.
= {, , , }
= {1,2,3, }
2. Obtener la matriz de transicin y el grafo asociado de Xn

Para = {, , , } la matriz es:

0.3103 0.3793 0.1034 0.2070
0.2051 0.3847 0.2051 0.2051
(
)
0.2173 0.2608 0.4782 0.0437
0.28
0.32
0.04
0.36
3. Obtener la distribucin inicial

Procesos Estocsticos | 17/09/2015

El mes inicia con un da nublado, la matriz inicial es:

= {, , , } la matriz es:
[ 0

0 ]

4. Clasificar el proceso de acuerdo a clases de equivalencias.

Como desde cualquier estado se llega a los otros restantes, se deduce que existe una sola clase de comunicacin:
{, , , }
Por lo que esta nica clase hace a la cadena irreductible.

5. Establecer si son recurrentes o transitorias

Como la cadena de Markov, es irreductible, los estados son recurrentes y existe la probabilidad positiva de llegar
desde cualquier estado a cualquier otro, inclusive a s mismos, en pasos

6. Cul ser la periodicidad?

Dentro de la misma clase de comunicacin, existen las transiciones:

Ls recurrencia indica que la cadena es aperidica. Periodo 1.

7. Anota la matriz cannica.

Como existe una sola clase de comunicacin, la matriz es irreductible, por lo tanto la matriz primera es la
cannica:
= {, , , } la matriz cannica es:
0.3103
0.2051
(
0.2173
0.28

0.3793
0.3847
0.2608
0.32

0.1034
0.2051
0.4782
0.04

0.2070
0.2051
)
0.0437
0.36

8. Despus de cuatro das cul ser la probabilidad de que este nublado?

Multiplicamos la matriz inicial por la matriz cannica a la cuarta potencia en Wolfram Alpha y tenemos que

9. Cul ser la probabilidad de que el proceso haya recorrido una trayectoria particular de
NNSNML en cinco das?
Las probabilidades ya calculadas son:
(, ) =

15
39

(, ) =

8
39

(, ) =

11
29

(, ) =

8
39

Tal que para la trayectoria: NNSNML en cinco das:

= (, ) (, ) (, ) (, ) (, )

(, ) =

1
23

Procesos Estocsticos | 17/09/2015

Para = {, , , } la probabilidad que est nublado es del 34.5%


15 8 11 8
1
= ( ) ( ) ( ) ( ) ( ) = 0.0002668
39 39 29 39 23
La probabilidad de que en el quinto da la trayectoria sea:
NNSNML
Es del 0.02668%
10. Cul ser la probabilidad de que el primer arribo de N a L ocurra en 3 das?
(3)

(2)

(2)

(2)

(1,3) = (1,0)(0,3) + (1,1)(1,3) + (1,2)(2,3)

Donde obtenemos los valores por wolfram alpha y por sustitucin
(3)

(1,3) = (0.2051)(0.207) + (0.3847)(0.2051) + (0.2051)(0.0437)

(3)

(1,3) = 0.1303
La probabilidad de que el primer arribo de N a L ocurra en 3 das es del 13.03%

11. Elaborar una grfica donde el eje x sea n y el eje y sea , grfica 0, 1, 2, 3, 4, 5, 6, 7,
8 y verifica que se parecen estos resultados a la distribucin estacionaria, justifica tu
respuesta.

Calculando: 0, 1, 2, 3, 4, 5, 6, 7, 8:
en wolfram Alpha
0 = [0 1

0 0]

1 = [0.2105 0.3647 0.2105 0.2105]

2 = [0.2445 0.3449 0.2063 0.2041]

Procesos Estocsticos | 17/09/2015

3 = [0.2486 0.3445 0.2028 0.2038]

4 = [0.2490 0.3450 0.2015 0.2044]

5 = [0.2490 0.3451 0.2010 0.2047]
6 = [0.2490 0.3451 0.2008 0.2048]
7 = [0.2490 0.3452 0.2008 0.2048]
8 = [0.2491 0.3452 0.2007 0.2048]
9 = [0.2491 0.3452 0.2007 0.2049]

= [0.2491 0.3452 0.2007 0.2048]

Observamos que desde 7 el proceso empieza a estabilizarse de manera considerable. Conforme n crece, o sea
este se va haciendo estacionario.
Columna1

soleado

nublado

medio nub

lluvioso
0

0.2051

0.3847

0.2051

0.2051

0.2445

0.3449

0.2063

0.2041

0.2486

0.3445

0.2028

0.2038

0.2490

0.3450

0.2015

0.2044

0.2490

0.3451

0.2010

0.2047

0.2490

0.3451

0.2008

0.2048

0.2490

0.3452

0.2007

0.2048

0.2491

0.3452

0.2007

0.2048

0.2491

0.3452

0.2007

0.2049

Distribucin de probabilidad

Grfico

Distribucin estacionaria

0.4500
0.4000
0.3500
0.3000
0.2500
0.2000
0.1500
0.1000
0.0500
0.0000
0
1
0
0

1
0.2051
0.3847
0.2051
0.2051

2
0.2445
0.3449
0.2063
0.2041

3
0.2486
0.3445
0.2028
0.2038

4
0.2490
0.3450
0.2015
0.2044

5
0.2490
0.3451
0.2010
0.2047

6
0.2490
0.3451
0.2008
0.2048

7
0.2490
0.3452
0.2007
0.2048

8
9
0.2491 0.2491
0.3452"n"
0.3452
das
0.2007 0.2007
0.2048 0.2049

Tomando los valores de la matriz:

Para = {, , , } la matriz cannica es:
0.3103
0.2051
(
0.2173
0.28

0.3793
0.3847
0.2608
0.32

0.1034
0.2051
0.4782
0.04

0.2070
0.2051
)
0.0437
0.36

(0) = 0.3103(0) + 0.2051(1) + 0.2173(2) + 0.28(3)

(1) = 0.3793(0) + 0.3847(1) + 0.2608(2) + 0.32(3)

Procesos Estocsticos | 17/09/2015

12. Determinacin la distribucin estacionaria

(2) = 0.1034(0) + 0.2051(1) + 0.4782(2) + 0.04(3)

(3) = 0.2070(0) + 0.2051(1) + 0.0437(2) + 0.36(3)
1 = (0) + (1) + (2) + (3)
ltimas 4 ecuaciones:
0.3793(0) 0.6153(1) + 0.2608(2) + 0.32(3) = 0
0.1034(0) + 0.2051(1) 0.5218(2) + 0.04(3) = 0
0.2070(0) + 0.2051(1) + 0.0437(2) 0.64(3) = 0
(0) + (1) + (2) + (3) = 1

Por wolfram Alpha

(0) = 0.2491
(1) = 0.3452
(2) = 0.2007
(3) = 0.2049
El vector estacionario es:
[ 0.2491

0.3452

0.2007

0.2049 ]

Que es el mismo que coincide con la distribucin estacionaria para .

13. Determina los valores propios

Por wolfram alpha
El polinomio caracterstico es:
4 1.53323 + 0.59492 0.0648 + 0.003026

Procesos Estocsticos | 17/09/2015

4 1.53323 + 0.59492 0.0648 + 0.003026 = 0

Soluciones
1 = 1

2 = 0.0682 + 0.0544

3 = 0.0682 0.0544

4 = 0.3966

14. Concluye con los resultados obtenidos.

Caractersticas:
La cadena es:
Aperidica.
Una sola clase final ( = 1)
Irreductible
Solo una distribucin estacionaria.

Procesos Estocsticos | 17/09/2015