Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EMPRESAS
ANALISIS DE DECISIONES
Índice………………………………………………………………………………………2
Introducción…………………………………………………………………………….3
Matriz de Transición…………………………………………………………………6
Conclusión…………………………………………………………………………..…..16
2
INTRODUCCION:
Las cadenas de Markov son modelos probabilísticos que se usan para predecir la evolución y el
comportamiento de determinados sistemas. En el que la probabilidad de que ocurra un
evento depende del evento inmediato anterior, se puede decir que estas tienen memoria,
recuerdan el último evento y esto condiciona los eventos futuros
Reciben el nombre del matemático ruso Andrei Andreevitch Markov, que las introdujo en
1907.
Han llegado a tener tal importancia que se utilizan en muchas aplicaciones, en lo que nos
interesa, se ha aplicado para analizar patrones de morosidad, necesidades de personal,
preveer defectos en maquinaria, etc.
Como ya lo mencionamos este tipo de proceso, recibe su nombre del matemático ruso Andrei
Andreevitch Markov (1856-1922), introducido por su autor en un artículo publicado en 1907,
presenta una forma de dependencia simple, pero muy útil en muchos modelos, entre las
variables aleatorias que forman un proceso estocástico.
En los negocios, las cadenas de Márkov se han utilizado para analizar los patrones de compra
de los deudores morosos, para planear las necesidades de personal y para analizar el
reemplazo de equipo.
3
CADENAS DE MARKOV
Entonces podemos decir que una cadena de Markov, representa un sistema que varía su
estado a lo largo del tiempo y es cada cambio una transición del sistema.
Los cambios no están predeterminados aunque sí lo está la probabilidad del próximo estado
en función de los estados anteriores, a esta probabilidad es constante a lo largo del tiempo.
Hablando en particular de las cadenas de Markov finitas, las cuales se caracterizan por tener
un número de estados del sistema finitos.
4
Elementos de una cadena de Markov finita:
TRANSICIÓN: El sistema modelizado por una cadena por lo tanto es una variable, que cambia
de valor en el tiempo, a este cambio lo llamamos transición.
PROBABILIDAD CONDICIONAL: Por ser el sistema estocástico no se podrá conocer con certeza
el estado del sistema en un determinado instante, sino solamente la probabilidad asociada a
cada uno de los estados.
5
MATRIZ DE TRANSICION
Reciben su nombre del matemático ruso Andrei Andreevitch Markov (1856-1922), que
las introdujo en 1907.[1]
Estos modelos muestran una estructura de dependencia simple, pero muy útil en
muchas aplicaciones
Una cadena de Márkov es una secuencia X1, X2, X3,... de variables aleatorias. El rango
de estas variables, es llamado espacio estado, el valor de Xn es el estado del proceso
en el tiempo n. Si la distribución de probabilidad condicional de Xn+1 en estados
pasados es una función de Xn por sí sola, entonces:
6
La Matriz de Transición debe cumplir con las siguientes condiciones:
1. La Matriz de Transición debe ser Cuadrara, es decir debe tener el mismo número de
columnas como de filas.
2. En ella deben estar contenidos tanto en las filas como en las columnas los mismos
Estados o Eventos transitorios.
3. La Suma de los elementos de cada fila debe ser siempre igual a 1, cumpliendo con
la teoría de Probabilidades.
Dicha matriz es cuadrada con tantas filas y columnas como estados tiene el sistema, y
los elementos de la matriz representan la probabilidad de que el estado próximo sea el
correspondiente a la columna si el estado actual es el correspondiente a la fila.
EJEMPLO:
7
La matriz T = (tij) se llama matriz de transición.
Supongamos que la población de un país, está clasificada de acuerdo con los ingresos en
Estado 1: Pobre
Estado 3: Rico
Supongamos que en cada período de 20 años tenemos los siguientes datos para la
población y su descendencia:
8
Pobre medio rico
Obsérvese que:
9
Donde la i representa el estado inicial de una transición, j representa el estado final de
una transición, Pij representa la probabilidad de que el sistema estando en un estado i
pase a un estado j.
10
PROBABILIDAD DE ESTAR EN UN ESTADO DESPUES DE “t”:
En un país como Colombia existen 3 operadores principales de telefonía móvil como lo son
Tigo, Comcel y Movistar (estados).
Los porcentajes actuales que tiene cada operador en el mercado actual son para tigo 0.4 para
Comcel 0.25 y para movistar 0.35. (Estado inicial)
Se tiene la siguiente información un usuario actualmente de tigo tiene una probabilidad de
permanecer en tigo de 0.60, de pasar a Comcel 0.2 y de pasarse a movistar de 0.2; si en la
actualidad el usuario es cliente de Comcel tiene una probabilidad de mantenerse en Comcel del
0.5 de que esta persona se cambie a tigo 0.3 y que se pase a movistar de 0.2; si el usuario es
cliente en la actualidad de movistar la probabilidad que permanezca en movistar es de 0.4 de
que se cambie a tigo de 0.3 y a Comcel de 0.3.
La suma de las probabilidades de cada estado en este caso operador deben ser iguales a 1
11
También se puede mostrar la transición por un método grafico
Ahora procedemos a encontrar los estados en los siguientes pasos o tiempos, esto se realiza
multiplicando la matriz de transición por el estado inicial y así sucesivamente pero multiplicando
por el estado inmediatamente anterior.
http://www.youtube.com/watch?v=rdEVQUv4T3c
12
APLICACIONES DE LAS CADENAS DE MARKOV:
Física
Meteorología
Si consideramos el clima de una región a través de distintos días, es claro que el estado actual
solo depende del último estado y no de toda la historia en sí, de modo que se pueden usar
cadenas de Markov para formular modelos climatológicos básicos.
Modelos epidemiológicos
Internet
El pagerank de una página web (usado por Google en sus motores de búsqueda) se define a
través de una cadena de Markov, donde la posición que tendrá una página en el buscador será
determinada por su peso en la distribución estacionaria de la cadena.
Simulación
Las cadenas de Markov son utilizadas para proveer una solución analítica a ciertos problemas
de simulación tales como el Modelo M/M/1.
Juegos de azar
Son muchos los juegos de azar que se pueden modelar a través de una cadena de Markov. El
modelo de la ruina del jugador, que establece la probabilidad de que una persona que apuesta
en un juego de azar finalmente termine sin dinero, es una de las aplicaciones de las cadenas
de Markov en este rubro.
13
Economía y Finanzas
Las cadenas de Markov se pueden utilizar en modelos simples de valuación de opciones para
determinar cuándo existe oportunidad de arbitraje, así como en el modelo de colapsos de una
bolsa de valores o para determinar la volatilidad de precios. En los negocios, las cadenas de
Márkov se han utilizado para analizar los patrones de compra de los deudores morosos, para
planear las necesidades de personal y para analizar el reemplazo de equipo.
www.itescam.edu.mx
14
APLICACIONES ESPECÍFICAS:
www.es.scrib.com
15
CONCLUSION
Esta herramienta creada por el matemático ruso “Andrei Markov” en el año 1907, que
es una mezcla principios algebraicos y estadísticos para analizar procesos
estocásticos, es decir que evolucionan a lo largo del tiempo en un conjunto de
estados, forma parte importante en la base para la toma de decisiones
Además, requiere de personal cualificado para crear un sistema eficiente para esos
casos. Para ello se puede hablar con un informático ya que deberá realizarse una
base de datos y este deberá estudiar las fórmulas para aplicarlas de la mejor manera
posible.
16