Convergencia de sistemas estocásticos Markovianos controlados

Simple item page
dc.audiencegeneralPublic
dc.contributorCruz Suárez, Hugo Adán
dc.contributor.advisorCRUZ SUAREZ, HUGO ADAN; 202875
dc.contributor.authorPortillo Ramírez, Gustavo
dc.date.accessioned2025-11-24T16:55:37Z
dc.date.available2025-11-24T16:55:37Z
dc.date.issued2025-07
dc.description.abstract"El estudio aborda modelos de decisión secuencial y su análisis mediante Programación Dinámica, destacando que estos modelos implican decisiones en etapas donde cada elección influye en costos futuros. Se examinan Procesos de Decisión de Markov (PDMs) a tiempo discreto y se proponen resultados sobre convergencia bajo perturbaciones pequeñas en sistemas definidos por ecuaciones en diferencias acopladas. En el Capítulo 1 se estudia la aproximación de PDMs por sistemas deterministas, demostrando condiciones que garantizan optimalidad asintótica, convergencia de la función de valor y convergencia uniforme de políticas, empleando restricciones de Lipschitz y cotas de estabilidad. El Capítulo 2 analiza un modelo de crecimiento económico con producción, acumulación de capital y productividad estocástica, donde la depreciación del capital es perturbada por un ruido pequeño; se establece un teorema del límite funcional para transformaciones logarítmicas y se incorporan experimentos numéricos con Q-learning que muestran convergencia al estado estable y evidencia de normalidad. El Capítulo 3 estudia cadenas de decisión de Markov con espacio de estados numerable y un criterio promedio sensible al riesgo, proponiendo aproximaciones convergentes al costo óptimo y a políticas estacionarias mediante operadores contractivos, extendiendo resultados clásicos y aportando fundamentos teóricos relevantes para aplicaciones en finanzas, gestión y teoría de desviaciones".
dc.folio20250627111426-7518-T
dc.formatpdf
dc.identificator1
dc.identifier.urihttps://hdl.handle.net/20.500.12371/30570
dc.language.isospa
dc.matricula.creator221570408
dc.publisherBenemérita Universidad Autónoma de Puebla
dc.rights.accesopenAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0
dc.subject.classificationCIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA
dc.subject.lccMatemáticas--Estadística matemática--Teoría de decisiones--Procedimientos de decisión multietapa
dc.subject.lccMatemáticas--Probabilidades--Procesos estocásticos--Procesos de Markov
dc.subject.lccMatemáticas--Análisis--Métodos analíticos utilizados en la solución de problemas físicos--Análisis de sistemas--Teoría del control (general y lineal)--Teoría de control estocástico
dc.thesis.careerDoctorado en Ciencias (Matemáticas)
dc.thesis.degreedisciplineÁrea de Ingeniería y Ciencias Exactas
dc.thesis.degreegrantorFacultad de Ciencias Físico Matemáticas
dc.thesis.degreetoobtainDoctor (a) en Ciencias (Matemáticas)
dc.titleConvergencia de sistemas estocásticos Markovianos controlados
dc.typeTesis de doctorado
dc.type.conacytdoctoralThesis
dc.type.degreeDoctorado
Files
Original bundle
Now showing 1 - 2 of 2
Name:
20250627111426-7518-T.pdf
Size:
1.1 MB
Format:
Adobe Portable Document Format
Download
Name:
20250627111426-7518-CARTA.pdf
Size:
245.54 KB
Format:
Adobe Portable Document Format
Collections
Tesis de Doctorado