CADENAS DE MARKOV EN TIEMPO DISCRETO PARA GENERAR UN RANKING

DE POPULARIDAD ENTRE PILOTOS DE LA FORMULA 1

SEGUNDA ENTREGA

ORLEN DARIO ARTEAGA

Tutor:
CARLOS EDUARDO MONTOYA

POLITÉCNICO GRANCOLOMBIANO
PROGRAMACIÓN ESTOCÁSTICA
GRUPO 2

Septiembre 2019
DESARROLLO DE MODELO ESTOCÁSTICO Consultor estrella CON

CONTENIDO

I. ACERCA DE LA COMPAÑÍA

ü ¿Quiénes somos? ü Objetivo

ü Misión ü Servicios
ü Visión ü Equipo de trabajo

II. INFORME DE MODELO ESTOCÁSTICO PARA RANKING DE POPULARIDAD

ü Grafos de incidencia
ü Matriz de incidencia
ü Análisis sobre los grupos de amigos encontrados
 Consultor estrella CON
I. ACERCA DE LA COMPAÑÍA

ü ¿Quiénes somos?

Consultor estrella es una compañía joven y dinámica, con formación académica

multidisciplinar, dedicada a la consultoría estadística ofreciendo soluciones en el
ámbito de la investigación y análisis de datos sociales, científicos y de mercados, con
el objetivo de brindar información sólida y confiable, para ayudar a la eficiencia en el
desarrollo de los proyectos y la toma correcta de decisiones de las empresas.

ü Misión

Consultor estrella somos conscientes de las necesidades que tienen las empresas al
momento de manejar sus datos. Por tal motivo, nuestra misión es ser un aliado que
ofrece un apoyo estadístico integral, proporcionando, más que información, una
orientación y acompañamiento para el uso inmejorable de la misma, contribuyendo al
beneficio y crecimiento de nuestros clientes.

ü Visión

Consultor estrella tiene como visión mantenerse en el exigente mundo de la

competitividad, como una compañía líder y versátil que se adapta rápidamente a las
reglas y el panorama del cambiante y veloz entorno globalizado.
A 2020 POLIPLUS+ espera posicionarse a nivel regional, como la compañía más
confiable en el manejo de datos y la más innovadora en la implementación de
modernos y novedosos métodos y tecnología de investigación.

ü Objetivo

Brindar asesorías estadísticas, para que las empresas tengan información confiable,
oportuna y de calidad que refleje la realidad que desean evaluar.
 Consultor estrella CON
I. ACERCA DE LA COMPAÑÍA

ü Servicios

ü Asesoramiento estadístico
ü Investigación de operaciones
ü Diseño de cuestionarios
ü Recogida de la información
ü Tratamiento de bases de datos
ü Elaboración de indicadores
ü Técnicas de análisis de datos
ü Conclusiones y recomendaciones
ü Elaboración de informes etc.
ü Seguimiento
ü Evaluación de proyectos
ü Análisis descriptivos
ü Estudio de mercados

ü Equipo de Trabajo

Director General

Calidad

Gerente
Comercial &
Marke6ng

Diseño

Ventas
Asistente Comercial
 II. INFORME DE MODELO ESTOCÁSTICO PARA RANKINGConsultor estrella CON
DE
POPULARIDAD

Nos complace presentar el primer avance del modelo estocástico que el equipo de
Consultor estrella se encuentra desarrollando, como respuesta al requerimiento de la
FIA de generar un ranking para medir la popularidad de 24 pilotos de la F1,
considerando los datos que se encuentran en la aplicación Facebook2 y adaptando, a
pequeña escala, el modelo del Page Rank con el que trabaja Google.

Sobre una matriz de incidencia construida por nuestro equipo, se determinó, en primer
lugar, cuántas personas incluyen al Piloto "i" entre sus amigos. (Ver Hoja: “Paso 1(1)”
de archivo anexo en formato .xls).

Una vez obtenido este resultado, se definió la posición (i;j) por Pij, fórmula que permitió
establecer la probabilidad de que el sistema "i", que para nuestro estudio representa a
cada Piloto, pase a un estado "j", lo cual será interpretado como: La probabilidad de que
el Piloto “i” "disminuya" su popularidad, y por ende, baje su puesto dentro del ranking.
(Ver Hoja: “Paso 1(2)” de archivo anexo en formato .xls)

En tercer lugar, se generó un ranking que cumpliera la condición: "Entre más personas
incluyan al Piloto "i" entre sus amigos, más popular será el Piloto "i", lo que permite
observar a los pilotos ubicados dentro de 10 puestos que miden su popularidad, como
se observa en la siguiente tabla: (Ver Hoja: “Paso 1(3)” de archivo anexo formato .xls).

Los puestos de este ranking junto a los resultados de la Pij, nos

muestran por ejemplo, que el piloto Michael Schumacher, quien
ocupa el primer lugar, tiene un bajísimo 9% de probabilidad de
disminuir su popularidad, seguido de un 11% del segundo puesto
ocupado por Sebastian Vettel y de un 13% de los pilotos Kamui
Kobayashi y Kimi Raikkonen, quienes comparten el tercer puesto
del ranking de popularidad, entre los 24 pilotos de la Fórmula 1
que fueron objeto de este estudio.
 Consultor estrella CON

El último puesto de este Rank, lo ocupa Timo Glock, a quien sólo un piloto lo tiene entre
sus amigos y con un 100% de probabilidad de que su popularidad disminuya, tal como
se observa en la siguiente tabla:

Otro resultado observable en los grafos de este estudio (Ver Hoja: “Paso 2” de archivo
anexo en formato .xls), es la formación de dos grandes grupos de amigos
interconectados por Facebook2, que para efectos de este estudio los llamaremos el
“Grupo 1” y el “Grupo 2”.

En el “Grupo 1”, que con un total de 13 pilotos es el más numeroso, se consolida como
el grupo de mayor relevancia, dado que sus integrantes son los pilotos mejor rankiados
en cuanto a popularidad. Se puede notar una especie de “división”, entre los que tienen
a Michael Schumacher entre su lista de amigos y los que no. Tal es el caso del “Grupo
2” cuyos integrantes son 11 y todos coinciden en no tener al piloto #1 en popularidad
entre sus amigos.
 Consultor estrella CON

Se asignara a cada piloto un puesto con el cual se mide su popularidad, el piloto “i” que
está ubicado en la columna B se le señala con el numero uno (1) si el piloto “j” que está
ubicado en la fila 8 es amigo del piloto “i”, de lo contrario se marca con número cero
(0), en la columna AA se encuentra el dato de la cantidad de amigos del cada piloto.

Se analiza la matriz y observando le resultado que nos arroja el puesto por piloto dando
a Michael Schumacher con 9 amigos y Sebastián Vettel también con nueve amigos 9
como los que encabezan.

Nota: en esta Matriz decimos que no es estocástica ya que el piloto Sergio Pérez no
tiene amigos, para volverla estocástica se modifica la matriz basándose en supuestos.

Se evidencia también que existe dos grupos que son el del piloto Pastor Maldonado y
el piloto Vitaly Petrov entre ellos comparten los mismos amigos y no son amigo entre
ellos.

Matriz Estocástica

Para volver la matriz estocástica se modifica y la se define sobre un supuesto de

uniformidad aplicando la formula Bij= 1/N.
 Consultor estrella CON

CONCLUSIONES

Con este trabajo nos lleva a identificar como una matriz de incidencia nos ayuda
a identificar el número de amigos que un piloto de la fórmula 1 puede tener y que
puesto de popularidad tiene referente a sus amigos.

Se lleva a cabo la evidencia que esta herramienta ayuda de forma clara a

identificar que amigos de cualquier piloto también pueden ser amigos y ser
iguales con el grupo de otro piloto.

Utilizando los diversos procedimientos estadísticos, se logra identificar que dos

pilotos tienen los mismos amigos y que los otros pueden tener un mismo número
de amigos pero diferentes a los otros pilotos.

Al evidenciar que esta matriz no es estocástica ya que un piloto no tiene amigos

y generando que no tenga base de datos, nos lleva a determinarla que no es
estocástica.
 Consultor estrella CON

BIBLIOGRAFÍA

Alois Geyer, William T. Ziemba. (2000). The Innovest Austrian Pension Fund
FinancialPlanning Model InnoALM. Operations.

Andras Prékopa . (1995). Mathematics and Its Applications (Vol. 324 ). (A. T. Centre/or
Mathematics and Computer Science, Ed.) New Jersey, U.S.A. : Rutgers Center/or
Operations Research, Rutgers University, New Brunswick.

Artzer et all. (1999). Coherent Mesures of Risk Matthematical Finance.Frorida, USA:

University of Florida Press.

Barahona F., Weintraub A. and R. Epstein, (1992).Habitat dispersionin forestplanning

and the stable set problem. Operations Research, Vol40:14–21.[2]

Escudero L., A. Alonso, and T. Ortu ̃no, (2002).Bfc, A Branch and FixCoordination
algorithmic frame work for solving some types of stochasticpure and mixed 01
programs. European Journal of Operational Research,Vol 151:503–519.[3]

Escudero L.and A. Alonso, T. Ortu ̃no, and G. Perez.An approach forstrategic supply
chain planning under uncertainty based on stochastic 01programming, (2003). Journal
of Global Optimization, Vol 26:97–124.