Help shape GoConqr. What should we add next?

Mind map

Introduce el texto aquí

fernandaegtz Spanish

Introduce el texto aquí

Map content

Introduce el texto aquí

  1. Los procesos de Markov son descriptivos porque buscan determinar en forma secuencial las probabilidades de que ocurran o no ocurran cientos eventos.

    • La característica fundamental de una cadena de Markov es: La probabilidad de que el sistema bajo estudio este en condición particular depende sólo de su condición actual.
  2. Eel matemático ruso A A. Markov, quien formalizo por primera vez la teoría que se refiere a eventos cuya condición actual depende tan sólo de su condición un periodo antes.

  3. PROCESOS ESTOCÁSTICOS

    • Secuencia o colección de variables aleatorias definidas por medio de una cierta regla o ley.
    • Por ejemplo, el proceso estocástico X1, X2, X3 ...... puede representar la colección de niveles semanarios ( o mensuales) de inventario de un producto dado, o bien, puede representar la colección de demandas semanales (o mensuales) de ese producto.
  4. Los procesos de Markov son descriptivos porque buscan determinar en forma secuencial las probabilidades de que ocurran o no ocurran cientos eventos.

  5. El matemático ruso A A. Markov, quien formalizo por primera vez la teoría que se refiere a eventos cuya condición actual depende tan sólo de su condición un periodo antes.

  6. La característica fundamental de una cadena de Markov es: La probabilidad de que el sistema bajo estudio este en condición particular depende sólo de su condición actual.

  7. PROCESOS ESTOCÁSTICOS

    • Secuencia o colección de variables aleatorias.
  8. CADENAS DE MARKOV

    • Cualquier evento depende solo del estado del proceso, es independiente del evento pasado.
  9. Los procesos de Markov son descriptivos porque buscan determinar en forma secuencial las probabilidades de que ocurran o no ocurran cientos eventos.

  10. El matemático ruso A A. Markov, quien formalizo por primera vez la teoría que se refiere a eventos cuya condición actual depende tan sólo de su condición un periodo antes.

  11. CADENAS DE MARKOV

    • La característica fundamental de una cadena de Markov es: La probabilidad de que el sistema bajo estudio este en condición particular depende sólo de su condición actual
      • Cualquier evento depende solo del estado del proceso, es independiente del evento pasado
        • Probabilidades condicionales o de transición
        • ECUACIONES DE CHAPMAN-KOLMOGOROV
          • Método para calcular estas probabilidades.
          • TIEMPOS DE PASADA
            • El número de transiciones hasta que al proceso regresa al estado inicial
  12. PROCESOS ESTOCÁSTICOS

    • Colección de variables aleatorias
  13. No es posible calcular las probabilidades del tiempo de primera pasada para toda n, por lo que no siempre queda claro si un estado debe clasificarse como recurrente o transitorio.

Images and files in the map

  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí
  • Introduce el texto aquí

Information

Description
Mind Map on Introduce el texto aquí, created by fernandaegtz on 21/05/2014.
Created by
fernandaegtz
Views
20
Rating

More on Cadenas y procesos de Markov

Feedback

What is it about?

What should we add next?