Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NRC 4033
26 / 04 / 2022
PROYECTO II
INTRODUCCIÓN
Una Cadena de Markov, como tal, puede ser definida como un proceso gradual que se basa en
una cantidad finita de estados en los que, la probabilidad de que un evento suceda, únicamente
depende del evento anterior con probabilidades que estén fijas. Por otro lado, a la cadena de
dependencia que hay entre un suceso y otro que se ha dado previamente, como se ha mencionado
al principio.
Procesos Estocásticos
Es un término matemático que se usa para manejar magnitudes aleatorias que pueden cambiar en
el tiempo o también para determinar una serie de variables aleatorias ‘estocásticas’, que
Se dice que todo proceso es estocástico {𝑿𝒕 }, si cumple con la propiedad markoviana que
matemáticos en diferentes áreas o campos como economía, biología, química, ingeniería, etc.
que tienen la finalidad de detallar y explicar experimentos que han pasado por un proceso similar
al del método científico que se realiza de la misma manera repetidamente, pero con la única
diferencia de que el resultado de cada “intento” depende del anterior. Algunos ejemplos
Una empresa de gaseosas quiere lanzar una nueva bebida, pero antes se deciden realizar algunas
encuestas a un grupo de personas sobre las preferencias de sabores para el nuevo producto.
En la primera encuesta se obtiene que 70% de las personas prefieren el sabor de fresa y el 30%
0.70
𝒙𝟎 = ( )
0.30
NOTA: Un vector con entradas no negativas que suman 1 entre los valores de sus columnas se
denomina vector de probabilidad, ya que 0.70 + 0.30 = 1 que representa al 100% de la población
Asimismo, una cadena de Markov se presenta como “una secuencia de vectores de probabilidad
𝐱 0 , 𝐱1 , 𝐱1 , …, junto con una matriz estocástica P ” (Lay, 2016, p. 254). Tal que:
NOTA: Cuando las cadenas de Markov definidas en ℝ𝑛 trazan un sistema o sucesión de
experimentos, todo 𝐱 k es visto como las k probabilidades de que un sistema esté en los n
Predicciones a futuro
Las cadenas de Markov, también pueden ser “definidas en un espacio finito de estados posibles y
cuyos cambios entre estados están determinados por un conjunto de probabilidades” (Solorio et
al., 2014). Y esto implica que, mediante ellas, es posible obtener una estimación sobre el
No obstante, cabe recalcar que hay cadenas de Markov que no tienen un comportamiento a largo
plazo bien definido, y además, existen ciertas reglas que nos permiten saber si este
comportamiento a largo plazo puede ser determinado. Por ejemplo: Si una cadena de Markov
partiendo de un tiempo actual hasta un tiempo en el futuro) tiene todas sus entradas sin valores
negativos, entonces es posible mostrar que la cadena de Markov a largo plazo no solo tiene un
comportamiento a largo plazo bien definido, sino también que este es único.
Por otra parte, las transiciones en un sistema se presentan visualmente a través de grafos
(diagramas de transición) en los que las flechas son las transiciones que hay entre un estado y
otro.
EJEMPLO:
transición. Adaptado de Cadenas de Markov [Imagen], por Juan Huerta Mende, 2014, Academia
(https://www.academia.edu/9798029/Modelo_de_Markov_-_Investigacion_Operativa_2).
Un vector de estado estable es considerado como un vector que indica “la probabilidad de que un
(Fraleigh, 1989). Esto implica que P, siendo una matriz estocástica, tiene un vector de estado
donde:
1
∴ y una de las soluciones es ( 2 ), el cual es un vector cuyos valores
1
para conseguir:
. 162011
∴ y una solución posible es ( ). Puesto que las entradas en este
1
RESOLUCIÓN DE EJERCICIOS
2. Un animal de laboratorio puede comer cualquiera de tres alimentos cada día. Los registros de
laboratorio indican que, si el animal elige un alimento en un ensayo, elegirá el mismo alimento
en el siguiente ensayo con una probabilidad del 60%, y elegirá cualquiera de los otros alimentos
en el siguiente ensayo con iguales probabilidades del 20%.
Sean los alimentos que el animal consume: “1, 2 y 3”, entonces el comportamiento del animal
Hacia:
Desde:
Sea G clima bueno, I clima regular y B clima malo, el cambio de clima se representa mediante la
tabla:
Hacia:
Desde:
y se calcula 𝐱 𝟏 :
RESPUESTA: La probabilidad de que haya un mal clima mañana es de 30%.
y se calcula 𝐱 𝟐 :
−.6 . 8
Se resuelve Px = x al reescribir la ecuación como (P – I) x = 0, donde P – I = [ ].
. 6 −.8
Luego, se reduce por filas a la matriz aumentada para el sistema homogéneo (P – I) x = 0:
RESPUESTA:
4
Por lo tanto: , y una solución es ( ) . Ya que las entradas en este vector
3
suman 7, se lo multiplica por 1/7 para obtener un vector estable:
RESPUESTA:
15
Por lo tanto: , y una solución es ( 2 ) . Ya que las entradas en este vector
10
suman 27, se lo multiplica por 1/27 para obtener un vector estable:
RESPUESTA:
Ya que: tendrá un cero como su entrada (2,1) para toda k, entonces P no es una
matriz estocástica regular.
RESPUESTA:
1
Por lo tanto: , y una solución es ( 1 ) . Ya que las entradas en este vector suman
1
3, se lo multiplica por 1/3 para obtener un vector estable:
El vector q nos indica que, en el largo plazo, cada alimento tendrá igual preferencia.
Del ejercicio 4, se tenía que: , por lo que . Resolviendo
para (P – I) x = 0 al reducir por filas a la matriz aumentada, se obtiene:
RESPUESTA:
4
Por lo tanto: , y una solución es ( 3 ) . Ya que las entradas en este vector
3
suman 10, se lo multiplica por 1/10 para obtener un vector estable:
El vector q nos indica que, en el largo plazo, la probabilidad de que haya buen clima un
día es del 40%.
Haciendo uso de Matlab: ,y .. Resolviendo para
(P – I) x = 0 al reducir por filas a la matriz aumentada, se obtiene:
RESPUESTA:
. 919192
Por lo tanto: , y una solución es ( . 191919 ) . Ya que las entradas en este
1
vector suman 2.111111, se lo multiplica por 1/2.111111 para obtener un vector estable:
El vector q nos indica que, en un día normal, cerca de (.090909)(2000) = 182 autos serán
alquilados o estarán disponibles desde la sucursal del centro de la ciudad.
Si 𝛼 = 𝛽 = 0, entonces . Como se observa, Px = x para cualquier vector x en ℝ2 , y
1 0
( ) , ( ) son 2 vectores estables linealmente independientes en este caso.
0 1
RESPUESTA:
Por lo que 𝛼𝑥1 = 𝛽𝑥2 , y una posible solución es que 𝑥1 = 𝛽 y 𝑥2 = 𝛼. Por lo tanto,
RESPUESTA:
De forma alternativa, se observó que SP = S en el inciso b) del ejercicio 19 debido a que P es
una matriz estocástica. Si se multiplica por P a la derecha, se obtiene: S𝑃2 = SP, entonces:
SP = S y esto implica que S𝑷𝟐 = S. Ya que las entradas en P no son negativas, las entradas en
𝑃2 también lo son, y 𝑷𝟐 es una matriz estocástica.
RESPUESTA:
El método que sea el más rápido depende de la matriz A. El primer método era más
complejo de implementar, pues se usan funciones propias de la librería de MATLAB, sin
embargo, este fue el que obtuvo mayor precisión.
REFERENCIAS
Lay, D. (2016). Álgebra lineal y sus aplicaciones 4ta Edición. Editorial Pearson.