Gestalte GoConqr mit. Was sollen wir als Nächstes hinzufügen?

Mindmap

CADENAS DE MARKOV

Javier Sandoval Spanisch

CADENAS DE MARKOV

Inhalt der Mindmap

CADENAS DE MARKOV

  1. Una cadena de Markov es una serie de eventos, en la cual la probabilidad de que ocurra un evento depende del evento inmediato anterior.

    • Estas cadenas tienen memoria, "Recuerdan" el ultimo evento y esto condiciona las posibilidades de los eventos futuros. Esta dependencia del evento anterior distingue a las cadenas de Markov de las series de eventos independientes, como tirar una moneda al aire o un dado.
      • Aplicaciones
        • En los negocios, las cadenas de Markov se han utilizado para analizar los patrones de compra, los deudores morosos.
          • Para planear las necesidades de personal y para analizar el reemplazo de equipo. El análisis de Markov, llamado así en honor de un matemático ruso que desarrollo el método en 1907
            • Permite encontrar la probabilidad de que un sistema se encuentre en un estado en particular en un momento dado. Algo más importante aún, es que permite encontrar el promedio a la larga o las probabilidades de estado estable para cada estado. Con esta información se puede predecir el comportamiento del sistema a través del tiempo.
      • Cadenas Homogéneas
        • Se dice que una Cadena de Markov es homogénea si la probabilidad de ir del estado {\displaystyle i}{\displaystyle i} al estado {\displaystyle j}{\displaystyle j} en un paso no depende del tiempo en el que se encuentra la cadena
        • NO HOMOGENEAS
          • Si para alguna pareja de estados y para algún tiempo {\displaystyle n} n la propiedad antes mencionada no se cumple entonces diremos que la Cadena de Markov es no homogénea.
            • DIAGRAMA DE ESTADOS DE MARKOV
      • La Cadena de Markov es un proceso estocástico a tiempo discreto
        • Con espacios de estado discreto S, que para cualquier entero n>0 , y para cualesquier entero
          • satisface
            • JAVIER SANDOVAL_ UNAD_2021
      • CLASIFICACIÓN DE LOS ESTADOS EN UNA CADENA DE MARKOV2
        • Una clase está formada por todos los estados que son accesibles entre sí.
          • Un estado es aperiódico si la variable aleatoria puede encontrarse en el mismo estado en dos períodos consecutivos
            • Un estado i es recurrente positivo si comenzando en el estado i el tiempo esperado para que el proceso regrese al estado i es finito.
              • Un estado se denomina esgórico si es recurrente positivo y además aperiódico. Una cadena es esgórica si todos sus estados son esgóricos.
      • Matriz de Transición
        • Si una cadena de Markov está en el estado ?‐ é????, hay una probabilidad ??? de pasar al próximo estado ?‐ é????, a esta probabilidad ??? se la llama probabilidad de transición.

Bilder und Dateien der Mindmap

  • CADENAS DE MARKOV
  • CADENAS DE MARKOV
  • CADENAS DE MARKOV
  • CADENAS DE MARKOV
  • CADENAS DE MARKOV

Informationen

Beschreibung
Mindmap am CADENAS DE MARKOV, erstellt von Javier Sandoval am 24/03/2021.
Erstellt von
Javier Sandoval · Mär 2021
Aktualisiert
24 Mär 2021
Aufrufe
1
Bewertung

Mehr zu Cadenas y procesos de Markov

Feedback

Worum geht es?

Was sollen wir als Nächstes hinzufügen?