CADENAS DE MARKOV

CADENAS DE MARKOV 1. INTRODUCCION Las cadenas de Markov son el conjunto de procesos o sucesiones de eventos que se desarrollan en el tiempo. Cada evento depende del anterior esto es conocido como proceso aleatorio o estocstico. Las cadenas de Marcov tienen una memoria, es decir que recuerdan el ltimo evento, y de este modo condicionan las probabilidades de que ocurra un evento futuro. Estas cadenas reciben su nombre debido al matemtico ruso Andrei Andreevitch Markov (1856-1922), que las introdujo en 1907. 2. DESARROLLO 2.1. CADENAS DE MARKOV

Las cadenas de Markov son una herramienta para analizar el comportamiento de determinados tipos de procesos estocsticos, procesos que evolucionan de forma no determinista a lo largo de tiempo en torno a un conjunto de estados. La cadena de Markov, representa un sistema que vara su estado a lo largo del tiempo, siendo cada cambio una transicin del sistema. Dichos cambios no estn determinados, aunque si lo est la probabilidad del prximo estado. 2.2. ELEMENTOS IMPORTANTES

Las cadenas de Markov pueden ser representadas a travs de matrices que cumplan determinadas caractersticas: Vector de probabilidad Matriz estocstica Matriz de transicin. 2.2.1. Vector probabilidad. Los vectores probabilidad son aquellos vectores cuyos elementos son nmeros positivos y la suma de los mismos es igual a la unidad. As: es un vector probabilidad.

Los vectores que no son de probabilidad (la suma de sus componentes es mayor que 1) pero de que cumplen con la condicin de que todos sus
1

CADENAS DE MARKOV
componentes son positivos, tienen algo llamado vector nico de probabilidad, el cual corresponde a un escalar mltiplo de s mismo. Se obtiene calculando la suma de todos los componentes del vector y se procede a dividir el resultado a cada miembro del vector. 2.2.2. Matriz estocstica Es una matriz en la cual todos sus vectores son de probabilidad. Cuando se multiplican dos matrices estocsticas o una matriz estocstica por s misma, el resultado siempre es una matriz estocstica. Una matriz estocstica, se considera regular, cuando todos los elementos de alguna potencia de dicha matriz, son positivos.

Para hacer una prediccin de comportamiento vemos que las probabilidades de transicin en "n" pasos es igual a la matriz estocstica P^n, la cual se conoce como la matriz de transicin en "n" pasos de la cadena de Markov. Las matrices de estado sucesivas se aproximan a alguna matriz de estado fija "B" la cual se denomina Matriz Estacionaria del sistema. 2.2.2.1. Tipos de matrices estocsticas

Matriz estocstica derecha.- Una matriz se denomina estocstica derecha cuando es una matriz cuadrada donde cada fila consiste de nmeros reales no negativos y cada fila suma 1. Matriz estocstica izquierda.- Una matriz es denominada estocstica izquierda cuando es cuadrada, cada columna consiste en nmeros reales no negativos y al mismo tiempo suma 1.

CADENAS DE MARKOV
Matriz estocstica doble.- Una matriz estocstica doble es una matriz cuadrada donde todas las entradas consisten de nmeros reales no negativos y todas las filas y columnas suman 1. 2.2.3. Matriz de transicin Para calcular lo que suceder en un tiempo determinado, se toma el vector que representa el estado inicial del problema, este se llamara q0, si se multiplica q0 por la Matriz me dar el estado 1, entonces para hallar un estado n la frmula es: q0 M n = qn

3. EJERCICIO Una empresa que realiza estudios de mercado est estudiando los patrones de compra para tres productos que son competidores entre s. La empresa ha determinado el porcentaje de residentes de casas que cambiaran de un producto a otro despus de un mes (suponga que cada residente compra uno de los tres productos y que los porcentajes no cambian de un mes a otro). Esta informacin se presenta en forma de matriz: Pij = porcentaje que cambia del producto j al producto i

a) Interprete los elementos de P P11 = El 80% de los residentes que compran el producto 1, contina comprndolo despus de un mes. P12 = El 20% de los residentes que compran el producto 2 cambia al producto 1 despus de un mes. P13 = El 5% de los residentes que compran el producto 3 cambia al producto 1 despus de un mes. P21 = El 5% de los residentes que compran el producto 1 cambia al producto 2 despus de un mes.

CADENAS DE MARKOV
P22= El 75% de los residentes que compran el producto 2, contina comprndolo despus de un mes. P23 = El 5% de los residentes que compran el producto 3 cambia al producto 2 despus de un mes. P31 = El 15% de los residentes que compran el producto 1 cambia al producto 3 despus de un mes. P32 = El 5% de los residentes que compran el producto 2 cambia al producto 3 despus de un mes. P33= El 90% de los residentes que compran el producto 3, contina comprndolo despus de un mes. b) Sea x una matriz de 3X1, donde xk es el nmero de residentes que compran el producto k Cul la interpretacin de Px?,Y de P2x = P(Px)?

Px:

La primera fila representa el total de residentes que cambian al producto 1 La segunda fila representa el total de residentes que cambian al producto 2 La tercera fila representa el total de residentes que cambian al producto 3 c) Encuentre Pnx para n= 5, 10, 15, 20, 25, 30, 35, 40, 45, 50. Describa el comportamiento de los vectores Pnx conforme n crece. Para

CADENAS DE MARKOV
En MATLAB

CADENAS DE MARKOV

Meses 5 10 15 20 25 30 35 40 45 50

Cambian al producto 1 1,0276 0,9477 0,9143 0,9039 0,901 0,9003 0,9001 0,9 0,9 0,9

Cambian al producto 2 0,584 0,5141 0,5024 0,5004 0,5001 0,5 0,5 0,5 0,5 0,5

Cambian al producto 3 1,3884 1,5381 1,5834 1,5957 1,5989 1,5997 1,5999 1,6 1,6 1,6

Grfica N1

Grfica: comportamiento
1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 5 10 15 20 25 Variaci{n porcentual

30

35

40

45

50

Cambian al producto 1

Meses Cambian al producto 2

Cambian al producto 3

En la Grfica N1 se puede apreciar la variacin del nmero de personas que cambian de un producto a otro a lo largo de los primeros 50 meses. d) , e) Suponga inicialmente que

Compare los resultados con los incisos anteriores.

6

CADENAS DE MARKOV
En MATLAB

CADENAS DE MARKOV
Meses 5 10 15 20 25 30 35 40 45 50 Cambian al producto 1 1,2057 1,0598 0,9526 0,9149 0,904 0,901 0,9003 0,9001 0,9 0,9 Cambian al producto 2 0,9202 0,5706 0,5119 0,502 0,5003 0,5001 0,5 0,5 0,5 0,5 Cambian al producto 3 0,8741 1,3696 1,5355 1,5831 1,5957 1,5989 1,5997 1,5999 1,6 1,6

Grfica N 2

Grfica: Comportamiento

1,6 1,4 Variacin Porcentual 1,2 1 0,8 0,6 0,4 0,2 0 5 10 15 20 25

30 Meses

35

40

45

50

Cambian al producto 1

Cambian al producto 2

Cambian al producto 3

A pesar de que la distribucin de residentes sea diferente, la matriz estacionaria llegar a ser la misma. f) Calcule Pn y 30000Pn para los valores de n. Qu observa sobre las columnas de Pn?Cul es la relacin de las columnas de 30000 Pn y los resultados anteriores de este problema?
8

CADENAS DE MARKOV
Meses 5 10 15 20 25 30 35 40 50 Cambian al producto 1 36171 31794 28578 27447 27120 27030 27009 27003 27000 Cambian al producto 2 27606 17118 15357 15060 15009 15003 15000 15000 15000 Cambian al producto 3 26223 41088 46065 47493 47871 47967 47991 47997 48000

Representan el nmero de residentes que cambiarn de un producto a otro g) Tomamos el caso de una agencia de renta de automviles que tiene tres oficinas. Un auto rentado en una oficina puede ser devuelto en cualquiera de ellas. Suponga que

Es una matriz de transicin tal que Pij = porcentaje de autos rentados en la oficina j y devueltos en la oficina i despus de un periodo. Suponga que se tiene un total de 1000 automviles. Encuentre la distribucin a largo plazo de los autos, es decir, El nmero de autos que habr a la larga en cada oficina. Cmo puede usar esta informacin una oficina de renta de automviles? En MATLAB:

CADENAS DE MARKOV

10

CADENAS DE MARKOV
Periodo 5 10 20 30 40 50 60 70 Autos devueltos en oficina 1 455,462 464,7835 466,6135 466,6652 466,6666 466,6667 466,6667 466,6667 Autos devueltos en oficina 2 367,7438 337,9091 333,4228 333,3353 333,3334 333,3333 333,3333 333,3333 Autos devueltos en oficina 3 576,7942 597,3075 599,9638 599,9995 600 600 600 600

Tendencia de devolucin de autos

600

Automviles

500 400 300 200 100 0 5 10 20 30 40 Periodo Autos devueltos en oficina 1 Autos devueltos en oficina 2

50

60

70

Autos devueltos en oficina 3

La grfica 2 muestra la tendencia de las personas al devolver los autos en las distintas oficinas. La agencia podra usar sta informacin para predecir segn el modelo matricial en qu oficina se devolver la mayor cantidad de autos, y esta informacin es vital para el manejo y distribucin de personal.

4. CONCLUSIONES Se concluye que:

11

CADENAS DE MARKOV
Existe un tipo de matriz que posee caractersticas nicas para pertenecer al modelo de las cadenas de Markov, estas deben contar con: Un vector de probabilidad, en el cual, la suma de sus componentes es 1, de no cumplir con esta condicin el vector, se realizar operaciones para que este sea un vector de probabilidad nico. La matriz estocstica es capaz de predecir lo que pasar con el modelo a largo plazo. ste anlisis nos permitir ver la tendencia de la matriz hasta llegar a la matriz estacionaria correspondiente.

12