Programación Estocástica: Aplicaciones y Ejemplos Prácticos

Clase 9 de 24 • Curso de Estadística Computacional con Python

Renzo Flores Ugarte

student•

++Determinista:++ Escribir palabras de un mensaje en el celular manualmente ++Estocastica:++ Usar el autocorrector para predecir las palabras, segun al historial de palabras que usamos habitualmente y predecir cual sera la siguente palabra en el texto

Francisco Garcia [C6]

student•

Que buen ejemplo

Davis Álvarez

student•

Claro como el agua del manantial

Joel Ricci López

student•

Yo trabajo con simulaciones de dinámica molecular de proteínas, que usa mecánica clásica. En teoría es un procedimiento determinístico que genera el mismo output si se le da el mismo input (coordenadas de los átomso y sus velocidades). Pero en la práctica es estocástico porque al principio sólo sabemos la posición de los átomos (coordenadas), pero no sus velocidades, por se asignan velocidades de forma aleatoria (aunque ajustadas a una distribución de boltzmann) que eventualmente modifican el comportamiento en la simulación.

Royer Guerrero Pinilla

student•

Entonces en definitiva seria Estocástico ya que las velocidades son random

Raymundo Soto Soto

student•

Es un simulación de tipo Montercarlo, ¿cierto?

Vespaciano Forero Sanchez

student•

Deterministica: Calcular las personas infectadas por Covid según las pruebas realizadas el día de hoy. Estocastica: Calcular cual serán las personas infectadas en los próximos días según el indicador RO.

Daniel Andrés Giraldo Benites

student•

gracias por tu aporte compañero

Alejandro Cuello Maure

student•

Creo que calcular las personas infectadas de hoy segun el numero de pruebas no es deterministico porque es un numero que puede cambiar mucho a lo largo que pasa el tiempo, ejemplo cuando hayan olas de contagiados o en el caso en el que se hagan mas o menos pruebas.

Karl Behrens Gil

student•

https://github.com/karlbehrensg/programacion-dinamica-y-estocastica Introducción a la Programación Estocástica

Un programa es determinístico cuando se corre con un mismo input produce el mismo output. Los programas determinísticos son muy importantes, pero existen problemas que no pueden resolverse de esa manera.

La programación estocástica permite introducir aleatoriedad a nuestros programas para crear simulaciones que permiten resolver otro tipo de problemas. Los programas estocásticos se aprovechan de que las distribuciones probabilísticas de un problema se conocen o pueden ser estimadas.

Mario Chacaltana

student•

El código está comentado paso a paso. Muchas gracias por compartir tus apuntes!

Ivan Ezequiel Mazzalay

student•

Excelentes los apuntes!! Muchas gracias!

Kevin Eduardo Villanueva Menichetti

student•

Determinista: -Un programa de ventas de tickets, donde las entradas que de el usuario, deben dar salidas preestablecidas

Estocástico: -Un programa de simulación de divisas para trading, utilizando datos históricos para tomar decisiones según probabilidad de escenarios.

Luis Fernando Pedroza Taborda

student•

Interesante comentario Kevin, me gusto mucho la parte del Trading, y mas que los mercados financieros son altamente probabilisticos.

Daniel Andrés Giraldo Benites

student•

genial aporte... gracias Kevin

Alberto Perdomo

student•

En el campo de mecánica de fluidos he visto varios programas deterministicos para cálcular variables con relaciones matematicas conocidas, como la ley de los gases ideales, la ecuación de Bernoulli; siempre se tenía o se ha tenido inconvenientes con las simulaciones de fluidos trubulentos, estos son súper aleatorios, acá cabe perfectamente un algoritmo estocastico.

Otro ejemplo perfecto para la programación estocastica es el campo de la termodinamica, en este campo cabe como anillo al dedo cada uno de los conceptos de esta, sobre todo en los cálculos de la entropia de un sistema irreversible.

Raymundo Soto Soto

student•

Hay modelos deterministas que producen caos, un claro ejemplo es el sistema de Lorentz, o el circuito de Chua. En el caso de la CDF es una ecuación o sistema de ecuaciones diferenciales no parciales lo que origina la aleatoriedad y entra dentro del caos determinista.

Alberto Perdomo

student•

Raymundo muchas gracias por tu respuesta, no conocía esos modelos, tomare el tiempo para estudiarlos.

Luis Rogelio Reyes Hernandez

student•

Deterministica: Encontrar la encontrar el los precios mas bajos de un producto en un area determinada

Estocastica: Determinar cual sera la proxima parte de un motor que se pueda dañar.

Leslie Paz Ore

student•

Programación Determinista: -Asignación de recursos en una empresa como finacierso, físicos, humanos y tecnologicos. Programación Estocástica: -Planificación de sistemas de energía eléctrica, dado que desconocemos la demanda. -No se si estoy bien, pero creo que podría usarse para Machine Learning en el aprendizaje No Supervisado.

Sergio Daniel Castañeda Pérez

student•

Pienso que tu ejemplo Estocástico sí aplica, con calculos aproximados de la demanda o consumos históricos se puede calcular cuánta energía va a consumir aproximadamente un territorio. En Bogotá, la empresa encargada del servicio de agua funciona de una forma similar.

Daniel Andrés Giraldo Benites

student•

la verdad machine learning es el ejemplo por excelencia pues nace a partir de este desarrollo

Karla Verónica Álvarez Vázquez

student•

Ejemplo de proceso estocástico:

-Electrocardiograma -Terremotos -El clima -El segundo concreto de un partido en el que un jugador anota un gol -Número de personas que dicen una palabra concreta alrededor del mundo -Bolsa de valores

https://economipedia.com/definiciones/proceso-estocastico.html

Daniel Andrés Giraldo Benites

student•

uff no tienes idea de cuanto quisiera implementar esto en un electrocardiograma... en un futuro si lo domino, de seguro lo hago

Juan David Angarita Acero

student•

Determinista: Caja de cambios de un carro automático Estocástica: Sugerencias de Spotify al crear una playlist

Alguien corrigame si estoy mal

Luis Adolfo Ramírez Inciarte

student•

Cómo sabes si las sugerencias de Spotify al crear una playlist se generan de manera aleatoria? hasta donde sé, todas las sugerencias en Spotify son salida de un programa de inteligencia artificial que recomienda haciendo cálculos deterministas basándose en la música que has escuchado, artistas que sigues y demás cosas

Sebastián Andrade

student•

Hola, no me quedo claro lo de que cuando se corre con el mismo input se obtiene un diferente output

Eber Laurente Lliuyacc

student•

Es el caso de los procesos estocásticos. Debido a que se incorpora aleatoriedad no siempre se obtendrá los mismos resultados, para los mismos inputs. Y el por qué se incorporan la aleatoriedad, pues para modelar los procesos no determinísticos que ocurren en la realidad, en el cual no se puede controlar todos los factores.

Sebastián Andrade

student•

gracias

Juan Sebastián Gómez Moreno

student•

Utilizaría programación estocástica para identificar patrones de consumo por temporadas, y poder ir planeando mi oferta, de acuerdo a la demanda a lo largo del año

Miguel Torres

student•

Utilizaría

Determinista: Calcular el valor del Dólar en pesos mexicanos conforme a la tasa de cambio actual.
Estocástica: Calcular el valor del Dólar en pesos mexicanos conforme a una tasa de cambio calculada con datos provenientes de los movimientos mundiales.

Italo Quevedo

student•

Determinística: Cantidad de personas por estación de buses.

Estocástica: Programa que genere cantidad de buses y tiempo entre ellos para cubrir la demanda en hora pico

Daniel Martinez Diaz

student•

Tenia entendido que las funciones puras son aquellas que no modifican nada mas que lo que en su "territorio", pero también había escuchado que son aquellas que siempre devuelven el mismo output tras el mismo input. ¿Una función pura es forzosamente determinista?

Cristian Daniel Borda Bastidas

student•

Hola Daniel, buscando encontré información de las funciones puras y sus características, el siguiente enlace te dirige a un blog de platzi que trata a profundidad este tema. Enlace Espero te haya sido de ayuda

Daniel Andrés Giraldo Benites

student•

umm interesante tema ... me diste curiosidad de averiguar sobre ello

Fernando Jesús Núñez Valdez

student•

Deterministico: Vender o ofertar cierta cantidad de vuelos según la temporada del año. Ej, tener mas vuelos en diciembre u noviembre por periodo vacacional. Estocastico: Añadir al programa determinista una capa para ofertar o vener mas vuelos cuando el clima sea lo mejor, es decir, si en el periodo de junio a agosto hay una alta probabilidad de tormentas, entonces disminuir la cantidad de vuelos y por lo tanto tambien la demanda.

Jancarlo Andre Valencia Noboa

student•

Deterministica: Calculo de calorias en base a alimentos y porciones de un programa nutricional. Estocastica: Programa que sugiera combinaciones de alimentos para cumplir requerimientos nutricionales en base al historial alimenticio del cliente

Daniel Felipe Duarte Quintero

student•

Un ejemplo de un modelo deterministico es un plan de produccion donde se requiera maximizar ganancias o reducir costos como funcion objetivo y se conozcan las restricciones del sistema como capacidad de produccion, demanda real del producto, cantidad de materia primas e insumos, donde no exista aleatoriedad en el modelo.

Un ejemplo del modelo estocastico es la simulacion de las ventas de gasolina(Gl) en una estacion de servicio donde el comportamiento de los datos siga una distribucion uniforme y puedas mediante aleatoriedad simular las ventas de 30 dias basado en datos historicos que al correr la simulacion mayor numero de veces, el promedio se acerque mas a la realidad.

Otro ejemplo de modelo estocastico es la simulacion del control estadistico de un producto, donde se tengan variables de control(limite super y limite inferior) y se simule basado en datos historicos, cual es la tasa de defectuosos por un tamaño determinado de lote de produccion.

Saludos.

Enrique Villamizar

student•

La usaría para implementar estrategias de mitigación frente al manejo del covid

Wilson Delgado

student•

Si los datos de salida no depende únicamente la entrada sino de otros elementos, por ejemplo podría implementarse en el flujo y densidad de vehículo en una región con lo cual se tendría numero de choques, accidentes con otros carros, velocidades. ¿Estoy bien?

David Jaramillo Saldarriaga

student•

No entiendo bien cuál es tu pregunta. Creo que te refieres a una aplicación de la programación estocástica, en ese caso, considero que lo que dices también puede ser una implementación válida, incluso si el proceso sólo depende de las entrada.

Daniel Andrés Giraldo Benites

student•

pues la verdad si, el componente estocastico puede generar una variable de aleatoria para esos cálculos

Programación Estocástica: Aplicaciones y Ejemplos Prácticos

Introducción

Programación Dinámica y Estocástica: Optimización y Modelado de Datos

Programación Dinámica

Programación Dinámica: Optimización de Problemas con Memorización

Optimización de Algoritmos con Programación Dinámica en Python

Caminos Aleatorios

Simulaciones con Caminos Aleatorios en Programación

Camino Aleatorio en Programación Orientada a Objetos

Algoritmo de Caminata Aleatoria en Python: Clase Borracho

Simulación de Caminata Aleatoria con Python

Visualización de Caminatas Aleatorias con Python y Bokeh

Programas Estocásticos

Programación Estocástica: Aplicaciones y Ejemplos Prácticos

Cálculo de Probabilidades y Simulación de Montecarlo

Simulaciones de Probabilidades con Dados en Python

Inferencia Estadística: Conceptos y Aplicaciones Prácticas

Cálculo de la Media Aritmética en Python paso a paso

Media, Varianza y Desviación Estándar en Estadística

Distribución Normal: Propiedades y Aplicaciones Estadísticas

Simulaciones de Montecarlo

Simulaciones de Montecarlo: Historia y Aplicaciones Prácticas

Simulación de Montecarlo para Probabilidades en Juegos de Cartas

Simulaciones de Montecarlo para Aproximar Pi

Estimación de Pi mediante Monte Carlo y Simulación Estadística

Muestreo e Intervalos de Confianza

Muestreo Estadístico: Aleatorio y Estratificado

Teorema del Límite Central: Transformación de Distribuciones

Datos Experimentales

Validación de teorías científicas con datos experimentales

Regresión Lineal con NumPy y Matplotlib en Google Colab

Conclusiones

Optimización de Programas con Programación Dinámica y Simulaciones