Gestalte GoConqr mit. Was sollen wir als Nächstes hinzufügen?

Mindmap

Procesos Estocásticos

Fer Azuaje Informática Spanisch

Procesos Estocásticos

Inhalt der Mindmap

Procesos Estocásticos

  1. Cadena de Markov

    • Estados
      • Objetivos
        • Clasificar los estados dependiendo de las transiciones o caminos que se tienen de uno a otro
      • Tipos
        • Alcanzable
          • C es alcanzable desde A camino A B C
        • Recurrente
          • Todo estado que no es trasiente es recurrente
            • C y D son reurrentes
        • Trasciente
          • A y B son Estados Trasiente, porque puedo llegar a C partiendo desde A, pero no puedo llegar a C desde A
        • Absorbente
          • Un estado es absorbente cuado la probabilidad de quedarse alli = 1
          • C es absorvente en tiempo continuo. Todo llega él y nada sale de él, la probabilidad de quedarse alla es1
        • Macovk Irreducible
          • Es cuando la cadena se compone de una clase comunicante
          • Es irreducible ya que hay una clase comunicante
        • Clase Comunicante
          • D- B y C son una clase comunicante
          • Grupo de nodos que se comunican enre si
        • Que se Comunican
          • B y C se comunican entre si
      • Condición en que se encuentra algo
    • Matriz de Transición
      • Estocástica
        • Es una matriz cuadrada cuyos elementos son no negativos y tal que la suma de los elementos de cada fila es igual a 1.
        • Las probabilidades de transición deben estar entre 0 y 1
      • En un solo paso
        • El elemento en la fila i, columna j, pij = P (Xn = sj/Xn−1 = si), representa la probabilidad de transición de un paso.
      • En varios pasos
        • La matriz de transición en n pasos
        • Matriz de transición en dos pasos
    • Definición
      • Con un número finito de estados
      • Con probabilidades de transición estacionarias
      • Ttiene la propiedad markoviana
        • Establece que dado el presente, el futuro es independiente del pasado
        • Propiedad estacionaria (la probabilidad de transición de un estado i a un estado j)
    • Probabilidades
      • De Transición
        • Indican un comportamiento futuro de pasar de un estado a otro
      • Condicionales
        • Son el producto de las probabilidades de estado y las probabilidades de transisión
  2. Ejemplos

    • Nº de clientes esperando en una cola cada 30 segundos a 30 segundos
    • Estado de una máquina al final de cada semana (operativa/dañada)
    • Serie mensual de ventas de un producto
  3. Definición

    • Sucesión de variables aleatorias {Xt}, cuyas caracterisitcas pueden variar en el tiempo
      • Normalmente el índice t representa un tiempo y X(t) el estado del proceso estocástico en el instante t.

Bilder und Dateien der Mindmap

  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos

Informationen

Beschreibung
Informática Mindmap am Procesos Estocásticos, erstellt von Fer Azuaje am 16/07/2020.
Erstellt von
Fer Azuaje
Aufrufe
8
Tags
markov
Bewertung

Mehr zu Cadenas y procesos de Markov

Feedback

Worum geht es?

Was sollen wir als Nächstes hinzufügen?