CADENAS DE MARKOV EN

TIEMPO DISCRETO

INTEGRANTES:

MARLY ZAPATA ATUESTA COD. 1411989310

JUAN CARLOS PARRA OSORIO COD. 1611980243
JOHANA ANDREA NIÑO MUÑOZ COD. 1511981149
MARIA FERNANDA RUIZ COD. 1521981433
ERIKA FORIGUA CORTES COD. 1611982184

PROGRAMACIÓN ESTOCÁSTICA

INSTITUCION UNIVERSITARIA POLITECNICO

GRANCOLOMBIANO
ING. INDUSTRIAL
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Tabla de contenido
1. ACERCA DE LA COMPAÑÍA................................................................................................1
1.1 QUIENES SOMOS..............................................................................................................2
1.2 LOGO E IMAGEN INSTITUCIONAL................................................................................2
1.3 MISIÓN...................................................................................................................................2
1.4 VISIÓN...................................................................................................................................2
1.5 OBJETIVO.............................................................................................................................2
1.6 SERVICIOS...........................................................................................................................3
2. MATRIZ DE INCIDENCIA........................................................................................................4
3. BIBLIOGRAFÍA..........................................................................................................................5

1. ACERCA DE LA COMPAÑÍA

1.1 QUIENES SOMOS

MODELING COMPANY Es una empresa dinámica e innovadora, con formación multidisciplinar, dedicada a la asesoría
estadística y modelamientos matemáticos; ofreciendo soluciones integrales en investigación y análisis de datos cualitativos y
cuantitativos, inmersos con el objetivo de brindar información clara y confiable para el correcto desarrollo de proyectos y
futuras tomas de decisiones.
1.2 LOGO E IMAGEN INSTITUCIONAL
FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Fuente propia.
1.3 MISIÓN
Consecuentes de la prioridad con la que se debe manejar la información. MODELING COMPANY será un aliado que
garantizara un asesoramiento estadístico integral, proporcionando información confiable, con parámetros de orientación y
acompañamiento para el uso de la misma, contribuyendo de esta manera con el crecimiento de nuestros clientes.
1.4 VISIÓN
MODELING COMPANY tiene como visión crecer en el exigente mundo de la competitividad; como una compañía líder, versátil
y flexible que se adapta rápidamente a mercados variables. En el 2025 MODELING COMPANY se posicionará a nivel
nacional, como una de las compañías más confiables en el asesoramiento e implementación de metodologías bajo
modelaciones matemáticas.
1.5 OBJETIVO
Ofrecer asesorías estadísticas, para que nuestros clientes obtengan información confiable y de esta manera evaluar sus
proyectos o procesos.
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

1.6 SERVICIOS

1. Asesoramiento metodológico y estadístico 7. Asesoramiento base de datos

2. Investigación de información 8. Modelación matemática
3. Análisis de información 9. Seguimiento proyectos
4. Análisis globalizado 10. Técnicas de aprovechamiento
5. Tratamiento de bases de datos 11. Evaluación de proyectos
6. Seguridad base de datos 12. Estudio de mercados

1.7 EQUIPO DE TRABAJO

La empresa MODELING COMPANY cuenta con un equipo de trabajo, integral e interdisciplinario los cuales realizan funciones
diversas, el equipo es ideal para resolver los problemas propios de la empresa. Este equipo realiza tareas en común como
organizar y distribuir mejor el trabajo, ratificar y tomar las decisiones fuera del grupo, coordinar entre las distintas áreas de la
empresa y demás
- DIRECTOR GENERAL: Se encarga de dirigir e impulsar las estrategias de la empresa desarrolladas por el equipo de
trabajo.
- JEFE DE DISEÑO: Tiene a cargo toda la búsqueda y desarrollo de productos nuevos.
- JEFE DE INVESTIGACIÓN: Es el responsable de realizar estudios de mercado con el objetivo de evaluar el impacto del
producto en el mercado y su adaptabilidad.
- JEFE COMERCIAL: realiza la planificación comercial y todas las actividades del negocio, obtención de ganancias por
medio de la producción, financiación la distribución del producto o servicio.
- JEFE DE PROYECTOS: es la persona encargada en la planificación, ejecución y control para el desarrollo de un nuevo
proyecto o producción de un nuevo producto.
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Marly Zapata
Director General

Juan Parra
Johana Niño Erika Forigua Maeria Ruiz
Jefe de
Jefe de Diseño Investigación Jefe Comercial Jefe de proyectos

Fuente: propia.
2. MATRIZ DE INCIDENCIA
2.1 Informe Preliminar Ranking De Popularidad: Una vez realizada la matriz de incidencia para satisfacer el requerimiento
de nuestro cliente FIA, el cual es medir la popularidad de 24 pilotos de la Formula 1; se recopila la informacion base existente
en la aplicación Facebook2 y adicionalmente se usa el modelo en pequeña escala del Page Rank trabajado por Google.
Se determinó:
- Numero de personas que incluyen el piloto “i” en sus amigos. (Ver anexo: Matriz de incidencia.xlsx, Hoja: MATRIZ DE
INCIDENCIA – PASO 1/ Mi)
- Numero de personas que incluye al piloto “i” en sus amigos. (Ver anexo: Matriz de incidencia.xlsx, Hoja: MATRIZ DE
INCIDENCIA – PASO 1/ Zi)
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

- Probabilidad de que el piloto “i” pierda popularidad, dada la condición Pij. (Ver anexo: Matriz de incidencia.xlsx, Hoja:
MATRIZ DE INCIDENCIA – PASO 1/ Pij)
- Una vez determinada estas condiciones, se obtuvo un ranking de popularidad dada por la condicion entre mas amigos
incluyan al piloto i. (Ver anexo: Matriz de incidencia.xlsx, Hoja: RANKING PRELIMINAR)
RANKING PILOTO i Mi Pij
1 Mic h ae l S c h u m ac h e r 11 9,09%
Como resultado tenemos que el piloto con
2 S e b as ti an Ve tt e l 9 1 1,11%
menos probabilidad para que se disminuya
k im m i R aik k on e n 8 1 2,50% su popularidad bajo la condición Pij: es Michael
3
Nic o H u lk e n b e rg 8 1 2,50% Schumacher, con un 9,09% vs Narain
F e lip e Mas a 7 1 4,29% Karthikeyan, Pedro de la Rosa y Timo Glock,
H e ik k i Kov alain e n 7 1 4,29% quienes tienen un 100% de probabilidad de
4 Je n s on B u tt on 7 1 4,29% perder popularidad, a quienes sólo un piloto
Kam iu Kob ay as h i 7 1 4,29% lo tiene entre sus amigos , tal como se
Mark W e b b e r 7 1 4,29% observa en tabla.
D an ie l R ic c iard o 6 1 6,67%
Hay dos grupos bien definidos, los cuales en
L e wis H am ilton 6 1 6,67%
5 ningún momento se unen pero tienen como
Nic o R os b e rg 6 1 6,67%
amigo común a Sergio Pérez “SP”. Estos
Pau l D i R e s ta 6 1 6,67%
serían amigos indirectos, y como “SP” no tiene
B ru n o S e n n a 5 2 0,00%
C h arle s Pic 5 2 0,00%
ningún amigo entonces es el nodo neutral que
6 F e rn an d o Alon s o 5 2 0,00% crea estos dos grupos.
Pas tor Mald on ad o 5 2 0,00%
Grupo 1: BS, SP, PM, DR, Fuente propia.
JV, VP, HK, CP, TG,
R om ain G ros je an 5 2 0,00%
PR, NK.
Je an E ric - Ve rg n e 4 2 5,00%
7
S e rg io Pe re z 4 2 5,00% Grupo 2: FA, SV, JB, FM, MS, PdR, NHu, LH,
8 Vitalv Pe trov 3 3 3,33% La Matriz que obtuvimos no es estocástica ya KR,que el piloto
KK, NR, Sergio
RG, MW, SP. Pérez no tiene
Narain Karth ik e y an 1 100 ,00% amigos, por lo tanto, hay que modificar la matriz para volverla estocástica. Una
9 Pe d ro d e la R os a 1 100 ,00% alternativa, basada en un supuesto de uniformidad, es reemplazar la fila nula por un
Tim o G loc k 1 100 ,00%
vector βi, en donde cada posición “j” del vector está definida de la siguiente forma: βij"
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

= 1/N, en donde “N” es el número de personas del grupo bajo consideración. (Ver anexo: Matriz de incidencia.xlsx, Hoja:
MATRIZ P - ESTOCASTICA).
Se realiza identificación de los pilotos que se relacionaban entre si manera directa o indirectamente. Por medio de la matriz de
Incidencia.

Pilotos (i)

Maldona

Grosjean
Schumac
Jean Eric
- Vergne

Raikkone

Pedro de
o Alonso

Kovalain

Hulkenb

Sebastia
Hamilto
Ricciard

Fernand

Rosberg
Webber

Karthike

n Vettel
Kobayas

Michael

la Rosa
Romain
Charles

Narain
Jenson
Button

Paul Di

Petrov
Kamiu

Pastor
Heikki
Daniel

kimmi

Vitalv
Bruno
Senna

Sergio
Lewis
Felipe

Glock
Resta
Masa

Perez
Mark

Timo
Nico

Nico
Pic

j
Bruno Senna 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 1
Charles Pic 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0
Daniel Ricciardo 1 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Felipe Masa 0 0 0 0 1 0 0 0 1 1 1 0 1 0 1 0 0 0 0 0 0 0 0 0
Fernando Alonso 0 0 0 1 0 0 0 1 0 0 0 0 1 0 1 0 0 1 0 0 0 1 0 0
Heikki Kovalainen 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1
Jean Eric - Vergne 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
Jenson Button 0 0 0 1 1 0 0 0 1 0 1 0 1 0 0 1 0 0 0 1 0 1 0 0
Kamiu Kobayashi 0 0 0 0 0 0 0 1 0 0 1 1 1 0 0 0 0 0 0 1 1 1 0 0
kimmi Raikkonen 0 0 0 1 1 0 0 0 0 0 1 1 1 0 1 0 0 0 0 1 0 1 0 0
Lewis Hamilton 0 0 0 1 0 0 0 1 1 0 0 1 1 0 1 1 0 1 0 0 0 0 0 0
Mark Webber 0 0 0 1 0 0 0 0 1 1 0 0 1 0 0 1 0 0 0 1 0 1 0 0
Grupo
Michael Schumacher1: BS,
0 SP,
0 PM, 0DR,0JV, 0VP, 0HK, 1CP,1TG,1PR,1 NK.1
0 0 0 1 1 0 1 0 0 0 1 0 0
Narain Karthikeyan 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0
Grupo 2:
Nico Hulkenberg FA,
0 SV,
0 JB,
0 FM,
0 MS,
0 0PdR,0 NHu,
0 LH,0 KR,1 KK,
0 NR,0 RG,
1 MW,
0 0SP. 1 0 1 0 0 0 1 0 0
Nico Rosberg 0 0 0 1 0 0 0 0 0 1 0 1 1 0 1 0 0 0 0 0 0 1 0 0
Pastor Maldonado 1 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Posteriormente se realiza la sumatoria de los valores de la matriz, de igual manera por se suma por filas correspondientes
Paul Di Resta 0 0 0 1 1 0 0 1 0 1 1 0 1 0 1 0 0 0 0 0 0 1 0 0
Pedro de la Rosa 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0
Romain Grosjean 0 0 0 0 0 0 0 1 1 1 0 1 0 0 0 1 0 0 0 0 0 0 0 0
Sebastian Vettel 0 0 0 0 1 0 0 1 1 1 0 1 1 0 1 0 0 1 0 1 0 0 0 0
Sergio Perez 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04 0,04
Timo Glock 1 1 1 0 0 1 1 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 1
Vitalv Petrov 1 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Mi 5 5 6 7 5 7 4 7 7 8 6 7 11 1 8 6 5 6 1 5 4 9 1 3
Pij 0,20 0,20 0,17 0,14 0,20 0,14 0,25 0,14 0,14 0,13 0,17 0,14 0,09 1,00 0,13 0,17 0,20 0,17 1,00 0,20 0,25 0,11 1,00 0,33
ΣP 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

CONCLUSION.
Se logró determinar que la matriz no es estocástica ya que uno de los pilotos no tiene amigos. Se definió que para lograr
convertirla a estocástica deberíamos cambiar la matriz basándonos en teóricas conceptuales del proyecto.
FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

La matriz como herramienta nos permite identificar y clasificar datos, sea el caso de amigos, la cantidad de amigos que este
posea y como estos pueden tener la misma cantidad de amigos y los demás pueden tener igual número de amigos.
La matriz de incidencia nos permite reconocer y determinar el ranking de popularidad y la totalidad de amigos que un piloto de
la Fórmula 1 puede llegar a tener.

3. BIBLIOGRAFÍA
A.T. Bharucha-Reid (1960).“Elements Of The Theory of Markov Processes And Their Applications”. McGraw Hill Series in
Probability and Statistics.
D.R. Cox, H.D. Miller (1970). “The Theory Stochastic Processes”. Methuen.
INFOGRAFÍA
http://www.organizacionempresas.com/administracion/gerente-comercial
http://www.elempleo.com/co/ofertas-trabajo/jefe-de-diseno-innovacion-y-desarrollo/1713794087
http://www.spw.cl/proyectos/apuntes2/cap_12.htm