PROCESOS ESTOCÁSTICOS

UNIVERSIDAD TECNOLÓGICA DE BOLÍVAR

MANUEL SOTO DE LA VEGA
CADENAS ABSORBENTES

3
CADENAS ABSORBENTES

4
CADENAS ABSORBENTES
0,7 0,3 0
𝑃 1 = 0,5 0 0,5
0 0 1

0,42 0,14 0,43

𝑃 5 = 0,24 0,08 0,68
0 0 1

0,21 0,07 0,71

𝑃 10 = 0,12 0,04 0,84
0 0 1

0,11 0,04 0,86

𝑃 15 = 0,06 0,02 0,92
0 0 1

0,02 0 0,98
𝑃 30 = 0,01 0 0,99
0 0 1
5
CADENAS ABSORBENTES
A diferencia de los estados recurrentes, los estados absorbentes tendrás
sumas de probabilidades que con el correr del tiempo llegarán a ser cero,
todo esto debido a que hay estados que tiene probabilidad 1 y por ende los
demás estados tenderán a llegar a esta clase de estados.

Una cadena de Markov absorbente está formada por estados absorbentes y

transitorios.

6
CADENAS ABSORBENTES

Los estados 1 y 2 (condiciones de tierra buena y regular) son transitorios, y el

estado 3 (condición de tierra mala) es absorbente, porque una vez que llega a
ese estado el sistema permanecerá allí por tiempo indefinido. Una cadena de
Markov puede tener más de un estado absorbente. Por ejemplo, un empleado
puede permanecer con la misma compañía hasta su retiro o renunciar antes
(dos estados absorbentes).

7
CADENAS ABSORBENTES
En las cadenas absorbentes es de interés conocer:

 El número esperado de veces que el proceso pasa por cada estado no

absorbente antes de ser absorbido.
 El número esperado de transiciones que el proceso tarda en ser
absorbido.
 La probabilidad de absorción por cada estado absorbente.

8
CADENAS ABSORBENTES
El análisis de las cadenas de Markov con estados absorbentes puede realizarse de forma
conveniente con matrices. Podemos dividir la matriz en forma canónica en cuatro
submatrices.
𝑁 𝐴
0 𝐼
I: Matriz de identidad de dimensión qxq
0: Matriz nula de dimensión qxp
N: Matriz pxp con la probabilidad de estados estables transitorios a estados transitorios
A: Matriz de dimensión 𝑝 × 𝑞 que contiene probabilidades de paso de estado transitorio
absorbentes

9
CADENAS ABSORBENTES
Por ejemplo, considere la siguiente matriz de transición:

10
CADENAS ABSORBENTES
Dada la definición de A y N y el vector columna unitario 1 (de todos los
elementos se puede demostrar que:

Tiempo esperado en el estado j iniciado en el estado i

𝐸𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑖, 𝑗 𝑑𝑒 𝐼 − 𝑁 −1

Número esperado de veces que el proceso pasa por cada estado no

absorbente antes de ser absorbido.

11
CADENAS ABSORBENTES
Tiempo esperado para la absorción
−1
𝐼−𝑁 1

Numero esperado de transiciones que el proceso tarda en ser

absorbido. En función de lo anterior, cuando la cadena comienza en un
estado no absorbente i, el numero esperado de pasos que tarda en ser
absorbida es la suma de los elementos de la fila i, de la matriz
𝐼 − 𝑁 −1 .

12
CADENAS ABSORBENTES
Probabilidad de la absorción
−1
𝐼−𝑁 𝐴

Para cada estado no absorbente i interesa conocer la probabilidad de

ser absorbido por cada estado absorbente j. Este valor es igual a la
probabilidad de ir desde i a j en un paso, más la probabilidad de
hacerlo en dos pasos, más la probabilidad de hacerlo en tres pasos, etc.

13
CADENAS ABSORBENTES
Ejemplo 1:
1 Calcule:
2 a) La probabilidad de caer en el estado
½
3, estando en el estado 1.
0 b) El número esperado de pasos para
1
caer en un estado absorbente,
½ 3 iniciando en el estado 1.

¼
¾
1

14
CADENAS ABSORBENTES
Ejemplo 2:
Una empresa jurídica, emplea 3 tipos de abogados: subalternos, superiores
y socios. Durante cierto año el 10% de los subalternos ascienden a
superiores y a un 10% se les pide que abandonen la empresa. Durante un
año cualquiera un 5% de los superiores ascienden a socios y a un 13% se les
pide la renuncia. Los abogados subalternos deben ascender a superiores
antes de llegar a socios. Los abogados que no se desempeñan
adecuadamente, jamás descienden de categoría.

15
CADENAS ABSORBENTES
a) Forme la matriz de transición P
b) Determine si P es absorbente.
c) ¿Cuánto tiempo deberá permanecer en su categoría un abogado
subalterno recién contratado?
d) ¿Cuánto tiempo deberá permanecer en la empresa un abogado
subalterno recién contratado?
e) Calcule la probabilidad de que un abogado subalterno llegue a socio.
f) Calcule la probabilidad de que un abogado superior renuncie.

16
CADENAS ABSORBENTES

17
CADENAS ABSORBENTES
Ejemplo 3:
Una compañía busca sus clientes por medio de publicidad enviada por correo.
Durante el primer año, la probabilidad de que un cliente realice una compra es de
0.5, la cual se reduce a 0.4 en el año 2, de 0.3 en el año 3, y de 0.2 en el año 4. Si no
realiza ninguna compra en cuatro años consecutivos, el cliente es borrado de la
lista de correo. Si hace una compra la cuenta regresa a cero.
a) Exprese la situación como una cadena de Markov.
b) Determine el número esperado de años que un cliente nuevo permanecerá en
la lista de correo.
c) Si un cliente no ha realizado una compra en dos años, determine el número
esperado de años que estará en la lista de correo.

18
CADENAS ABSORBENTES

0 0,5 0,5 0 0 0
1 0,4 0 0,6 0 0
𝑃=2 0,3 0 0 0,7 0
3 0,2 0 0 0 0,8
𝐵 0 0 0 0 1

19
CADENAS ABSORBENTES
𝐼−𝑁 −1 1
0 1 2 3 B
0 0,5 0,5 0 0 0
1 0,4 0 0,6 0 0
2 0,3 0 0 0,7 0
3 0,2 0 0 0 0,8
B 0 0 0 0 1

1 0 0 0 0,5 0,5 0 0 0,5 -0,5 0 0

0 1 0 0 - 0,4 0 0,6 0 = -0,4 1 -0,6 0
0 0 1 0 0,3 0 0 0,7 -0,3 0 1 -0,7
0 0 0 1 0,2 0 0 0 -0,2 0 0 1

20
CADENAS ABSORBENTES
𝐼−𝑁 −1 1
0 1 2 3 B
0 0,5 0,5 0 0 0
1 0,4 0 0,6 0 0
2 0,3 0 0 0,7 0
3 0,2 0 0 0 0,8
B 0 0 0 0 1

0,5 -0,5 0 0 -1 5,952 2,976 1,786 1,25 11,96

-0,4 1 -0,6 0 = 3,952 2,976 1,786 1,25 9,964
-0,3 0 1 -0,7 2,619 1,31 1,786 1,25 6,964
-0,2 0 0 1 1,19 0,595 0,357 1,25 3,393

21
CADENAS ABSORBENTES
Ejemplo 4:
Una tienda clasifica el saldo de la cuenta de un cliente como pagada (estado 0), 1
mes de retraso (estado 1), 2 meses de retraso (estado 2) o deuda critica (estado 3).
Las cuentas se revisan cada mes y se determina el estado de cada cliente. En
general, los créditos no se extienden y se espera que los deudores paguen sus
cuentas lo más pronto posible.
En ocasiones, los clientes no pagan en la fecha límite. Si esto ocurre el cliente
queda catalogado con 1 mes de retraso. Sí el cliente tiene 1 mes de retraso, y no
paga nuevamente, el cliente es catalogado con 2 meses de retraso. Los clientes que
tienen más de 2 meses de retraso se clasifican en la categoría de deuda critica
(estado 3), en cuyo caso envía las cuentas a una agencia de cobro.

22
CADENAS ABSORBENTES
Después de examinar los datos de años anteriores en la progresión mes a mes de
los clientes individuales de estado a estado, la tienda ha desarrollado la siguiente
matriz de transición:

0 1 2 𝐶
0 1 0 0 0
𝑃= 1 0,7 0,2 0,1 0
2 0,5 0,1 0,2 0,2
𝐶 0 0 0 1

Si un cliente actualmente tiene todos sus cuotas pagas a tiempo, ¿Cuál es la

probabilidad de que en un futuro sea considerado un cliente crítico?
23
CADENAS ABSORBENTES
0 1 2 C 1 2 0 C
0 1 0 0 0 1 0,2 0,1 0,7 0
1 0,7 0,2 0,1 0 2 0,1 0,2 0,5 0,2
2 0,5 0,1 0,2 0,2 0 0 0 1 0
C 0 0 0 1 C 0 0 0 1

24
CADENAS ABSORBENTES
1 0 - 0,2 0,1 = 0,8 -0,1
0 1 0,1 0,2 -0,1 0,8

0,8 -0,1 -1 = 1,27 0,159

-0,1 0,8 0,159 1,27

1,27 0,159 x 0,7 0 = 0,968 0,032

0,159 1,27 0,5 0,2 0,746 0,254

Entonces, alrededor de 3% de los clientes cuyas cuentas tienen 1 mes de

retraso y alrededor de 25% de los clientes con 2 meses de retraso llegan a ser
malos deudores.
25
CADENAS ABSORBENTES
Ejemplo 5:
Un producto pasa por un proceso de fabricación de 2 estaciones. Al finalizar el
proceso en cada estación el producto es revisado para hacer la inspección de
calidad. Con base en la información del departamento de calidad, se sabe que de
los productos que salen de la primera estación, el 5% son defectuosos y se
desechan; el resto pasa a la siguiente estación. También, el 10% de los productos
que salen de la segunda estación son defectuosos. El restante puede ser vendido.
a) Calcule la probabilidad de que un producto que apenas entrará al sistema
productivo, sea en algún momento desechado.
b) Si esta semana se fabricará un lote de 200 unidades, determine cuantas
unidades en buen estado se espera fabricar.
Bibliografía:
TAHA, H., (2012) Investigación de operaciones, Pearson Educación,
novena edición.
HILLIER, F., LIEBERMAN, G., (2007) Introducción a la investigación de
operaciones. McGraw Hill, octava edición.
Rojo, H., Miranda, M., Cadenas de Markov (2009), Facultad de
Ingeniería, Universidad de Buenos Aires.

27