Cadenas de Markov en Tiempo Discreto

¿Qué es una cadena de Markov y cuáles son sus propiedades?

• Una cadena de Markov se basa en la historia completa de los estados anteriores.

• Una cadena de Markov es un tipo de algoritmo de búsqueda.

• Una cadena de Markov es un modelo probabilístico que describe transiciones entre estados, con la propiedad de que el futuro depende solo del presente.

• Las cadenas de Markov son solo útiles en programación.

Define el concepto de estado en una cadena de Markov.

• Un estado en una cadena de Markov es una representación de la situación actual del sistema, donde las transiciones entre estados dependen solo del estado presente.

• Un estado en una cadena de Markov es una variable que no cambia con el tiempo.

• Un estado en una cadena de Markov es una representación gráfica de las transiciones entre estados.

• Un estado en una cadena de Markov es un conjunto de todos los posibles resultados del sistema.

¿Cómo se calcula la probabilidad de transición entre dos estados?

• P(A->B) = N(A->B) + N(A)

• P(A->B) = N(A->B) / N(A)

• P(A->B) = N(A) * N(B)

• P(A->B) = N(A) / N(A->B)

Dibuja un diagrama de estados para una cadena de Markov simple y explica su significado.

• Un diagrama de estados para una cadena de Markov simple incluye al menos dos estados, A y B, con transiciones como A -> A (probabilidad p), A -> B (probabilidad 1-p), B -> A (probabilidad q), y B -> B (probabilidad 1-q).

• Un diagrama de estados para una cadena de Markov simple debe tener al menos tres estados.

• Un diagrama de estados para una cadena de Markov simple solo incluye un estado.

• Las transiciones en un diagrama de estados no tienen probabilidades asociadas.

Si tienes una matriz de transición, ¿cómo puedes determinar si es estocástica?

• Una matriz de transición es estocástica si cada columna suma 1 y todos sus elementos son positivos.

• Una matriz de transición es estocástica si cada fila suma 1 y todos sus elementos son no negativos.

• Una matriz de transición es estocástica si todos sus elementos son iguales a 0.5.

• Una matriz de transición es estocástica si tiene al menos una fila con elementos negativos.

Resuelve el siguiente problema de Markov: Un sistema tiene tres estados A, B y C con las siguientes probabilidades de transición: P(A->B)=0.3, P(B->C)=0.5, P(C->A)=0.2. ¿Cuál es la probabilidad de estar en el estado A después de dos transiciones?

• 0.25

• 0.45

• 0.64

• 0.75

Explica el teorema de la cadena de Markov y su importancia.

• El teorema establece que el futuro es completamente predecible a partir del pasado.

• Las cadenas de Markov son irrelevantes en la teoría de probabilidades.

• El teorema de la cadena de Markov se basa en la historia completa del proceso.

• El teorema de la cadena de Markov describe que el futuro de un proceso depende solo del estado actual, no de los anteriores, y es crucial en múltiples disciplinas.

¿Qué es un proceso estocástico y cómo se relaciona con las cadenas de Markov?

• Un proceso estocástico es una secuencia de eventos que siempre tiene el mismo resultado.

• Un proceso estocástico es un sistema determinista que no cambia con el tiempo.

• Las cadenas de Markov son procesos que no dependen del tiempo.

• Un proceso estocástico es una colección de variables aleatorias que evoluciona en el tiempo, y las cadenas de Markov son un tipo de proceso estocástico con la propiedad de Markov.

Si un sistema tiene una matriz de transición que no es irreducible, ¿qué significa esto para el comportamiento a largo plazo del sistema?

• El sistema puede tener múltiples comportamientos estables dependiendo de su estado inicial.

• El sistema siempre tendrá un único comportamiento estable.

• El sistema no podrá cambiar su estado en el tiempo.

• El sistema se comportará de manera predecible sin importar el estado inicial.

¿Cómo se puede utilizar la cadena de Markov para modelar un juego de mesa?

• Se utiliza la cadena de Markov para calcular la puntuación final del juego.

• Se puede utilizar la cadena de Markov para modelar los estados y transiciones de un juego de mesa.

• La cadena de Markov no se puede aplicar a juegos de mesa.

• Se puede utilizar la cadena de Markov para determinar el ganador del juego.