Towards scaling up markov chain monte carlo : an adaptive subsampling approach

Hacia el escalado de monte carlo mediante cadenas de markov : un enfoque de submuestreo adaptativo

Los métodos Monte Carlo mediante cadenas de Markov se estiman a menudo como demasiado intensivos en términos computacionales para tener algún uso práctico para grandes conjuntos de datos. En este documento se describe una metodología que pretende escalar el algoritmo Metropolis-Hastings (MH) en este contexto. Se propone una implementación aproximada del paso aceptar/rechazar del MH que requiera únicamente evaluar la probabilidad de un subconjunto aleatorio de los datos, aunque se garantiza que coincida con el paso aceptar/rechazar fundamentado en el conjunto de datos completo con una probabilidad superior al nivel de tolerancia especificado por el usuario.

A Discrete Time Markov Chain Model for a Periodic Inventory System with One-way Substitution

Un modelo de cadena de Markov para un sistema de inventario periódico con sustitución unidireccional

En este artículo se estudia el diseño óptimo de un sistema de inventarios con sustitución unidireccional en el cual un ítem de alta calidad (y, por ende, más costoso) cumple su propia demanda y actúa de manera simultánea como inventario de respaldo para el ítem de baja calidad y más barato.

A través del uso de un modelo de cadena de Markov se analiza el efecto de la sustitución en un sistema periódico de inventarios con una política de orden (R,s,S) o (R,S) asumiendo retrasos, cero tiempos de espera (lead time) de reabastecimiento y demanda correlacionada. Se determina con mayor detalle los parámetros óptimos de control de inventarios (S y s) ante la minimización del costo total esperado por periodo, es decir, la suma de los costos de mantener el inventario, los costos de compra, los costos de retrasos y los costos de ajuste.