2018

CADENAS DE MARKOV PARA LOS PILOTOS DE LA FÓRMULA 1

PRESENTADO POR

CLAUDIA MARIA PEÑA VARGAS Cod. 1511021773

ÁNGELA MARÍA CASTRO SÁNCHEZ Cod.1621982280
NIYYI ÁNGELA CURREA GARCÍA Cod. 1511021913
LAUREN HERNÁNDEZ VEGA Cod.1511021287
JEISON SNEIDER DUARTE AMAYA Cod.1511022091
JENNY MARITZA FANDIÑO FORERO Cod. 1321020223

INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRAN COLOMBIANO

FACULTA DE INGENIERÍA INDUSTRIAL
PROGRAMACION ESTOCÁSTICA
SEPTIEMBRE 2018

Estrategia y Gestión
 TABLA DE CONTENIDO

 INTRODUCCIÓN ............................................................................................................ 2
 QUIENES SOMOS .......................................................................................................... 2
 OBJETIVO GENERAL .................................................................................................... 2
 OBJETIVOS ESPECIFICOS........................................................................................... 2
 ORGANIGRAMA ............................................................................................................. 3
 NUESTRO EQUIPO DE TRABAJO................................................................................ 3
 MARCO TEORICO ......................................................................................................... 4
 MATRIZ DE INCIDENCIA Y PROBABILIADES PILOTOS FACEBOOK ....................... 5
 MATRIZ ESTOCASTICA ................................................................................................ 6
 MATRIZ ESTOCASTICA PARA LOS PILOTOS DE FACEBOOK. ............................... 6
CONCLUSIONES ................................................................................................................... 7

Estrategia y Gestión
 INTRODUCCIÓN

El asesoramiento que solicita la Federación Internacional Automovilística (FIA)

a nuestra compañía ESTRATEGOS Estrategia y Gestión, la cual busca medir el
impacto de popularidad que tienen los pilotos de fórmula uno, en redes sociales
particularmente en Facebook, Se plantea realizar un modelo basado en cadenas de
Markov las cuales nos permitirá realizar un análisis, dada la información recolectada
La Federación Internacional busca realizar el ranking de popularidad de los pilotos
para realizar campañas de marketing y publicidad. Las cadenas de Márkov permiten
modelar diferentes tipos de experimentos de la vida real, con el fin de predecir el
siguiente evento probabilístico, de busca construir una cadena de eventos, y así fijar
el ranking de popularidad de los pilotos de fórmula 1, estableciendo mejoras en
marketing y publicidad de la FÍA.

QUIENES SOMOS

Somos una compañía orientada en brindar servicios de análisis de datos, tanto en

las diferentes tecnologías y tipos de datos como en su tratamiento, análisis y
visualización. Ofrecemos servicios de calidad en extracción, tratamiento y
transformación del dato. Utilizamos para ello los mejores productos de Software.
Proponemos acciones de mejora y ofrecemos la implantación de dicha solución,
reduciendo los gastos innecesarios y aumentando de forma inmediata la
productividad y la competitividad de su empresa.

OBJETIVO GENERAL

Implementar un modelo basado en cadenas de Markov, que establezca el impacto

de popularidad en Facebook de los pilotos de fórmula uno (F1)

OBJETIVOS ESPECIFICOS

1. Recolectar la información y realizar un análisis preliminar de la popularidad

de los pilotos de fórmula uno (F1).
2. Construir el modelo basado en cadenas de Markov para el ranking de
popularidad de pilotos de la fórmula uno (F1).

Estrategia y Gestión
 3. Analizar el impacto de popularidad de los pilotos de fórmula uno y corrección
de fallas.

ORGANIGRAMA

Direccion General

Direccion General de Direccion General de

Administracion Ingenieria

Departamento de Departamento de
Investigación y Departamento de Sistemas
Proyección Diseño de Estrategias

NUESTRO EQUIPO DE TRABAJO

CARGO FUNCIONES

1. Encargado de dirigir esfuerzos en todos los

DIRECCION GENERAL
Jeison Sneider Duarte Amaya
DIRECCION GENERAL DE
ADMINISTRACION
Ángela María Castro Sánchez
aspectos de la empresa.
2. Tomar decisiones de manera general.
3. Encargado de hacer valer los valores y
mantener enfocado todo para el cumplimiento
de la misión.
1. Organiza el personal de administración.
2. Encargado de las contrataciones de personal.
3. Administra los recursos económicos de la
empresa.

1. Determina la planeación de requerimientos

DIRECCION GENERAL DE INGENIERIA técnicos necesarios para cubrir los
requerimientos de información de los usuarios.
Niyyi Ángela Currea García 2. Se encarga de aplicar el proyecto ya
estructurado dentro de la empresa que solicito
el servicio.

Estrategia y Gestión
 DEPARTAMENTO DE INVESTIGACIÓN 1. Se encarga en organizar las tareas de
Y PROYECCIÓN investigación y elaboración de los proyectos.
2. Se hace un diseño informático para pre-
Claudia María Peña Vargas aprobación de los clientes.
3. Realiza todos las proyecciones y estadísticas
para el informe final.

1. Tiene la responsabilidad del plan empresarial

DEPARTAMENTO DE DISEÑO DE
ESRATEGIAS
Lauren Hernández Vega
DEPARTAMENTO SISTEMAS
Jenny Maritza Fandiño Forero
y la generación de estrategia en el futuro.
2. Genera las estrategias generales de la
empresa
3. Planifica en coordinación con la dirección
general y el y el equipo las metas a alcanzar y
el plan rector de operación del equipo
1. Responsable de automatizar los
requerimientos de información de aquellas
unidades usuarias, necesitan ser satisfechas
mediante el desarrollo de sistemas de
informática.
2. Precisa objetivos, alcances, normas y políticas
que regirán cada sistema.
3. Analiza el alcance posible de los proyectos de
sistemas que consideren inversiones.

MARCO TEORICO

Los Procesos Estocásticos se caracteriza por sucesiones de variables aleatorias

que son alteradas en función de otra variable. Cada variable aleatoria tiene una
función de distribución de probabilidad. Entre dichas variables puede existir o no
relación alguna.1
Una cadena de Márkov es una modalidad de proceso estocástico, en el cual la
probabilidad de un evento está directamente ligada con el evento anterior. Se puede
decir que este tipo de cadenas tienen memoria, pues recuerdan el último evento y
lo utilizan como condicional para eventos siguientes.
Propiedades Cadenas de Markov:
1.1 Un proceso estocástico tiene la propiedad Markoviana si las
probabilidades de transición en un paso sólo dependen del estado del
sistema en el período anterior (memoria limitada).

1Pérez Guido Mario. Cadenas de Markov. Basado en un modelo de simulación con Vensim.
Recuperado de http://www.dinamica-de-sistemas.com/revista/0611h.htm

Estrategia y Gestión
 1.2 La matriz de transición es aquella que contiene todas las probabilidades
de transición.
1.3 Las probabilidades de transición indican la probabilidad de que
partiendo de un estado i se llegue al estado j en n períodos2.

MATRIZ DE INCIDENCIA Y PROBABILIADES PILOTOS

FACEBOOK

Este proyecto presenta el análisis del comportamiento de navegación de un usuario

de Facebook basado en las Cadenas de Markov en tiempo continuo. La hipótesis
que se plantea se basa en el supuesto de la elección de navegación que realiza un
usuario visitando los perfiles de Facebook de los PILOTOS FORMULA 1 y de la
probabilidad de visitar el perfil de los amigos de cada piloto.
Para el desarrollo del proyecto seguimos los siguientes pasos:
1. Análisis de Datos: Planteamos la Matriz Inicial (Ver documento Excel anexo
Estrategos Matriz Cadena de Markov E1) identificado los amigos de cada
piloto
2. Definimos las variables aleatorias en tiempo discreto Mi = estar visitando el
perfil del piloto i en un instante n
3. Identificamos los valores o posibles estados que puede tomar esta variable
aleatoria para una etapa n cualquiera. Sabemos que cada piloto tiene un
número determinado de amigos, por lo que el usuario podría decidir visitar
cualquier perfil.
4. El estado n cambia de acuerdo a la decisión de cada usuario de visitar el
perfil.
5. A continuación determinamos las probabilidades que está dada por la
1
formula 𝑃 = . De esta forma se identifican las distintas combinaciones o
𝑀𝑖
probabilidades de que comenzando en un estado "i" se pueda pasar a un
estado "j" al cabo de un estado, es decir la probabilidad de estar en el perfil
de un piloto i y pasar al perfil de un piloto j visitar el perfil de los amigos de
cada piloto. Debemos tener en cuenta que la sumatoria de estas
probabilidades debe ser 1 (Ver documento Excel anexo Estrategos Matriz
Cadena de Markov E1).
Organizamos la matriz donde identificamos 2 grupos de amigos claramente
definidos.

2 Pérez, J. (2011, 3 de Junio). Andrei Markov. Recuperado de http://investigacindeoperaciones.html

Estrategia y Gestión
 MATRIZ ESTOCASTICA

Las matrices estocásticas se caracterizan por ser matrices cuadradas que cumplen
con la condición de que cada una de sus filas sea un vector de probabilidad. 3
Una Vector Estocástico o de probabilidad debe cumplir con la condición de que
todos sus componentes sean positivos y la sumatoria de ellos es igual a la unidad.
Estas características se expresan matemáticamente de la siguiente forma:
𝑝 = (𝑝1 ; 𝑝2 ; 𝑝3 … . 𝑝𝑛 )
Es un vector de probabilidad que deberá cumplir con las siguientes condiciones:
1. 𝑝𝑖 ≥ 0 deben ser mayor o igual a 0
2. ∑𝑛𝑖=0 𝑃1 = 1 La sumatoria debe ser igual a 1

MATRIZ ESTOCASTICA PARA LOS PILOTOS DE FACEBOOK.

Continuado con el desarrollo de nuestro proyecto, encontramos que nuestra matriz

de transición contiene una fila nula (corresponde el Piloto Sergio Pérez), cuyos
vectores no poseen ningún valor. Para volver la Matriz Estocástica hacemos uso
del supuesto de uniformidad reemplazando la fila nula por el vector 𝛽1 , en donde
cada j del vector está definida por la siguiente ecuación:
1
𝛽𝑖𝑗 = ,
𝑁

Donde N es el número de personas del grupo analizado.

Para nuestro proyecto reemplazamos con los datos definidos, obteniendo el
siguiente resultado:
1
N= 24 Pilotos entonces; 𝛽𝑖𝑗 = = 0,04
24

Este valor corresponde a los componentes de la fila nula de Sergio Pérez. El cálculo
de la probabilidad de esta fila da como resultado 1, cumpliendo así con la propiedad
de las matrices estocásticas. Ver documento Excel anexo Estrategos Matriz Cadena
de Markov E2.

3 Matrices Estocásticas aplicadas a modelos Actuariales. Revista investigación modelos

matemáticos. Recuperado de http://www.economicas.uba.ar/wp-content/uploads/2016/04/7-
Matrices-estoc%C3%A1sticas-aplicadas-a-modelos-actuariales-de-decremento-m%C3%BAltiple.-
Mat%C3%ADas-Larr%C3%A1.pdf

Estrategia y Gestión
 CONCLUSIONES

En el desarrollo de nuestro desempeño laboral nos enfrentamos a múltiples

actividades que requieren ser definidas tomando algún tipo de decisión
concreta con el fin de optimizar resultados.

Este tipo de situaciones pueden generar incertidumbre y para la toma de

decisiones no es conveniente hacerlo instintivamente. Con la Cadena de
Markov encontramos una herramienta que apoya el análisis para toma de
decisiones, teniendo en cuenta que combinando una estructura, técnica
cuantitativa y frecuencia que genera alternativas estructuradas podemos
elegir la mejor decisión.

Se incluye un vector βi en donde cada posición “J” del vector está definida
de la forma: βiJ= 1/N en donde “N” es el número de personas del grupo bajo
consideración para nuestro caso N=24, se incluye este vector de 1/24 en
todas las filas donde algún piloto no tiene amigos para nuestro caso el piloto
Sergio Pérez.

Esta es una forma de convertir la matriz en estocástica por que se obtiene

que al sumar todas las filas de las probabilidades nos dé como resultado uno,
después de hacer la modificación en la matriz. Dado que ahora la sumatoria
de todas las filas de la matriz dan uno, se consigue una aproximación que la
convierte en una matriz estocástica.

Sobre la matriz de incidencia existe la posibilidad que el piloto Sergio Pérez

sea amigo de el mismo y del resto de los pilotos lo cual permitiría ir desde el
perfil de el a cualquiera de los otros pilotos

Estrategia y Gestión