Estados Absorbentes.

Estado cuya única transición posible es volver al mismo estado. Un estado

absorbente constituye una clase final de un único estado.
En otras palabras un estado absorbente es aquel del que no se puede salir una
vez se haya caído en él, es decir la probabilidad de permanecer en el mismo es de
100%. Por ejemplo si expresáramos la vida como una cadena de markov, con la
serie de estados: nacer, crecer, reproducirse y morir; la muerte sería obviamente
el estado absorbente ya que no existe la posibilidad alguna de volver a un estado
anterior.
Un estado absorbente es aquel del que no puede salirse. Esto puede observarse
fácilmente en la matriz de transición, porque un estado absorbente tiene una
probabilidad de transición hacia sí mismo de uno y cero hacia todos los demás
estados.
Se dice que un estado es absorbente si es cero la probabilidad de hacer una
transición fuera de ese estado. Por lo tanto, una vez que el sistema hace una
transición hacia un estado absorbente, permanece en el siempre.

Como podemos observar los estados G y A son absorbentes, debido a que la

probabilidad de permanecer en ellos una vez dentro es de 100%.
•Un estado es absorbente cuando una vez que se entra en él no se puede salir del
mismo, existe cero probabilidad de salir
•Una cadena de Markov absorbente es una cadena de Markov con al menos un
estado absorbente, tal que es posible llegar a un estado absorbente después de
algún número de etapas
•Un problema de interés en cadenas de Markov es determinar la probabilidad de
que el proceso eventualmente alcance un estado absorbente
•Si existen dos o más estados absorbentes en una cadena de Markov y es
evidente que el proceso será absorbido en uno de estos estados, es deseable
encontrar estas probabilidades de absorción.
•Otro problema interesante es determinar el tiempo para que el proceso sea
absorbido
•El estado k se llama estado absorbente si Pkk=1
•Sea P la matriz de probabilidad de transiciones de una cadena de N estados y
asuma que existen k estados absorbentes y por tanto m=N-k no-absorbentes
(transitorios)

•En el análisis de los sistemas absorbentes enumeramos los estados en tal

manera que los estados absorbentes son los últimos, la matriz de transición es un
sistema absorbente entonces se ve asi:

Datos de los estados absorbentes

K= es ergódico si es aperiódico y recurrente positivo.
Una cadena es ergódica si todos sus estados son ergódicos.
Cadena absorbente y matriz fundamental
Ejemplo de evaluación de crédito.
Existen muchas otras situaciones en las cuales los estados absorbentes tienen un papel
importante. Considere una tienda departamental que clasifica el saldo de la cuenta de un
cliente como pagada (estado 0), 1 a 30 días de retraso (estado 1), 31 a 60 días de retraso
(estado 2) o mala deuda (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 cuando el saldo queda dentro de los 30 días de retraso, la tienda
considera que este cliente permanece en el estado 1. Si esto ocurre cuando el saldo está
entre 31 y 60 días de retraso, la tienda considera que el cliente se mueve al estado 2. Los
clientes que tienen más de 60 días de retraso se clasifican en la categoría de una mala deuda
(estado 3), en cuyo caso envía las cuentas a una agencia de cobro.
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:
Estado/Estado 0: Saldo pagado 1: 1 a 30 días 2: 31 a 60 días 3: Mala deuda
de retraso de retraso
0: saldo 1 0 0 0
pagado
1: 1 a 30 días 0.7 0.2 0.1 0
de retraso
2: 31 a 60 días 0.5 0.1 0.2 0.2
de retraso
3: mala deuda 0 0 0 1

Aunque cada cliente acaba por llegar al estado 0 o al estado 3, la tienda se interesa en
determinar la probabilidad de que un cliente llegue a ser un mal deudor dado que la cuenta
pertenece al estado de 1 a 30 días de retraso, y de igual forma, si se encuentra en 31 a 60
días de retraso. Para obtener esta información debe resolverse el conjunto de ecuaciones
que se presentó al principio de esta sección para obtener F 13 y F 23. Las siguientes dos
ecuaciones se obtienen por sustitución:
f 13 = p10+ f 03+ p11+ f 13+ p12+ f 23+ p13+ f 33,

f 23= p20+ f 03+ p21+ f 13+ p22+ f 23+ p23+ f 33.

Como f 03 = 0 y f 33 = 1, ahora se tienen dos ecuaciones con dos incógnitas, esto es,

(1- p11) f 13= p13 + p12 f 23,

(1- p22) f 23= p23 + p21 f 13.

Al sustituir los valores de la matriz de transición se llega a
0.8 f 13 = 0.1 f 23,

0.8 f 23 = 0.2 + 0.1 f 13,

y la solución es:
f 13 = 0.032,

f 23 = 0.254.

Entonces, alrededor de 3% de los clientes cuyas cuentas tienen de 1 a 30 días de retraso y

alrededor de 25% de los clientes con 31 a 60 días de retraso llegan a ser malos deudores.

Ejemplo de juegos
Para ilustrar el uso de probabilidades de absorción en una caminata aleatoria, considere un
ejemplo sobre juegos de azar similar al que se presentó en la sección 16.2, pero ahora
suponga que dos jugadores (A y B), con 2 dólares cada uno, aceptan seguir jugando y
apostar 1 dólar cada vez hasta que uno de ellos quiebre. La probabilidad de que A gane una
apuesta es 3 1, por lo que la probabilidad de que gane B es 3 2. El número de dólares que
tiene el jugador A antes de cada apuesta (0, 1, 2, 3 o 4) proporciona los estados de una
cadena de Markov con la matriz de transición

ESTADO
0

P= 2

ESTADO 0 1 2 3 4

Si se inicia en el estado 2, la probabilidad de absorción al estado 0 (A pierde todo su

Dinero) se puede obtener al resolver para f 20 a partir del sistema de ecuaciones que
Se proporcionó al comienzo de la sección,
 f ∞= 1 (puesto que el estado 0 es un estado absorbente)

2 1
f 10= f ∞ + f 20
3 3
2 1
f 20= f + f
3 10 3 30
2 1
f 30= f 20 + f 40
3 3
f 40= 0 (puesto que el estado 4 es un estado absorbente).

De este sistema de ecuaciones se obtiene

2 2 1 1 2 4 4
f 20 = ( + f 20) + ( f 20) = + f 20
3 3 3 3 3 9 9
Que se reduce a f 20= 4/5 como la probabilidad de absorción en el estado 0. De
manera similar, la probabilidad de que A termine con 4 dólares (B quiebre) cuando
comienza con 2 dólares (estado 2) se obtiene al obtener f24 del sistema de ecuaciones,
f 04= 0 (puesto que el estado 0 es un estado absorbente)

2 1
f 14= f 04 + f 24
3 3
2 1
f 24= f 14 + f 34
3 3
2 1
f 34= f 24 + f 44
3 3
f 44= 1 (puesto que el estado 0 es un estado absorbente).

De aquí se obtiene
2 1 1 2 1 1 4
f 24 = ( f ) + ( f 24+ ) = + f 23
3 3 24 3 3 3 9 9
De manera que f 24 = 1/5 es la probabilidad de absorción en el estado 4.
Bibliografía
https://es.slideshare.net/eduardoko/cadenas-de-markov-con-estados-absorbentes
http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/PEst/tema4pe.pdf
http://dep.fie.umich.mx/~camarena/Cadenas%20de%20Markov.pdf
http://www.dia.fi.upm.es/~ajimenez/Docu_IO/Transparencias/CMTD.pdf
http://dep.fie.umich.mx/~camarena/Cadenas%20de%20Markov.pdf

Conclusión
Los estados Absorbentes son parte del gran rubro de estados conformados por la
cadena de markov , donde en especial este es un estado cadena importante ya
que hay muchos datos visuales donde debemos darnos cuenta si es un estado
absorbente o no, hay que mencionar que a este estado también se le conoce
como estado trampa ya que engaña a los otros estados y pasa desapercibido por
la mayoría además que es muy importante determinar la probabilidad de que el
proceso eventualmente alcance un estado absorbente, ya que no todos alcance el
estado ya que hay que determinar el tiempo para que el proceso sea absorbido.
Este método es muy importante, ya que ha comenzado a usarse en los últimos
años como instrumento de investigaciones de mercadotecnia, para examinar y
pronosticar el comportamiento de los clientes desde el punto de vista de su lealtad
a una marca y de sus formas de cambio a otras marcas, la aplicación de esta
técnica, ya no solo se limita a la mercadotecnia sino que su campo de acción se
ha podido aplicar en diversos campos.

Análisis: