Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EJERCICIOS RESUELTOS
Estados
Los estados son la caracterización de la situación en que se halla el sistema en un
instante dado, de dicha caracterización puede ser tanto cuantitativa como
cualitativa.
El estado de un sistema en un instante t es una variable cuyos valores solo pueden
pertenecer al conjunto de estados en el sistema. El sistema modelizado por la
cadena, por lo tanto, es una variable que cambia con el valor del tiempo, cambio
al que llamamos transición.
Matriz de transición
Una matriz de transición es el arreglo numérico donde se encuentran las
probabilidades de un estado a otro. Dicha matriz es cuadrada con tantas filas y
columnas como estados que tiene el sistema, y los elementos de matriz representan
la probabilidad de que el estado próximo sea el correspondiente a la columna si el
estado actual es el correspondiente a la fila. La matriz debe cumplir con ciertos
requisitos: La suma de las probabilidades de los estados debe ser igual a 1, la matriz
de transición debe ser cuadrada y las probabilidades de transición deben estar
entre 0 y 1.
Los valores dentro de la matriz representan la probabilidad de pasar de un estado
a otro.
Tal vez en dos meses las participaciones del mercado de las dos empresas
cambiarían a 45% y 55% del mercado, respectivamente. Predecir los estados futuros
implica conocer las posibilidades o probabilidades de cambio del sistema de un
estado a otro. Para un problema en particular, tales probabilidades se pueden
recolectar y colocar en una matriz o tabla.
Por fortuna, los requisitos matemáticos más importantes son tan solo saber cómo
realizar operaciones y manipulaciones básicas con matrices, y resolver conjuntos
de ecuaciones con varias incógnitas. Enfocamos nuestra presentación a los
procesos de Markov que cumplen con cuatro suposiciones:
Los estados sirven para identificar todas las condiciones posibles de un proceso o
sistema. Por ejemplo, una máquina puede estar en uno de dos estados en cualquier
momento: funcionar correctamente o no funcionar correctamente.
También significa que una persona únicamente puede ser cliente de una de las
tres tiendas de abarrotes en un punto en el tiempo. Después de identificar los
estados, el siguiente paso consiste en determinar la probabilidad de que el sistema
esté en dicho estado, cuya información se coloca entonces en un vector de
probabilidades de estado.
Veamos el vector de estados para los clientes en el pequeño pueblo con tres
tiendas de abarrotes.
Puede haber un total de 100,000 personas que compran en las tres tiendas durante
un mes dado. Unas 40,000 personas compran en American Food Store, que se
llamará estado 1. Por otro lado, 30,000 pueden compraren Food Mart, que se
llamará estado 2; y 30,000 pueden comprar en Atlas Foods, que será el estado 3.
Así, en el periodo 1 Amercan Food tiene 40% el mercado; Food Mart, 30%; y Atlas
Foods, 30%.
Se determinó que 80% de los clientes que compran en American Food un mes
regresarán a esa tienda el siguiente.
Del otro 20% de sus clientes, 10% cambia a Food Mart y 10% a Atlas Foods en su
siguiente compra.
Para los clientes que compran este mes en Food Mart, 70% regresan, 10% cambia
a American Food y 20% a Atlas Foods. De los clientes que compran este mes en
Atlas Foods, 60% regresan, pero 20% cambiará a American Food y 20% a Food Mart.
Aunque el diagrama de árbol y los cálculos que se acaban de ilustrar quizá sean
útiles para encontrar las probabilidades de estado para el siguiente mes y el otro
mes que sigue, pronto se volvería muy grande. En vez de usar un diagrama de árbol,
es más sencillo usar una matriz de probabilidades de transición, la cual se utiliza con
las probabilidades de estado actuales para predecir las condiciones futuras.
El concepto que nos permite ir de un estado actual, como las participaciones en
el mercado, a un estado futuro es la matriz de probabilidades de transición. Se trata
de una matriz de probabilidades condicionales de estar en un estado futuro dado
que estamos en el estado actual.
Los valores Pij individuales casi siempre se determinan en forma empírica. Por
ejemplo, si observamos al paso del tiempo que 10% de las personas que
actualmente compran en la tienda 1 (o estado 1) comprarán en la tienda 2 (estado
2) el siguiente periodo, entonces, sabemos que P12 =0.1 o 10%.
Probabilidades de transición para las tres tiendas de abarrotes Usamos los datos
históricos de las tres tiendas para determinar qué porcentaje de clientes cambiaría
cada mes. Ponemos estas probabilidades de transición en la siguiente matriz:
¿Algún día Atlas perderá todo su mercado? ¿O todas las tiendas llegarán a una
condición estable? Aunque la ecuación *** ofrece cierta ayuda para determinarlo,
es mejor estudiarlo en términos de condiciones de equilibrio o de estado estable.
Ejercicios Resueltos de Cadenas de Markov
Ejercicio N°1: Una empresa este considerando utilizar Cadenas de Markov para
analizar los cambios en las preferencias de los usuarios por tres marcas distintas de
un determinado producto. El estudio ha arrojado la siguiente estimación de la
matriz de probabilidades de cambiarse de una marca a otra cada mes:
Ejercicio N°2: ¿Cuál es la cuota de mercado en el largo plazo para cada una de
las marcas descritas en el Ejercicio N°1?
La Cadena de Markov del Ejercicio N°1 es irreducible (es decir todos los estados
se comunican entre sí) con estados recurrentes positivos y aperiódicos. Lo anterior
se concluye luego de la Clasificación de Estados de una Cadena de Markov en
Tiempo Discreto. Verificado lo anterior podemos obtener la Distribución Límite de
una Cadena de Markov en Tiempo Discreto a través del siguiente sistema de
ecuaciones:
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.
Resolvamos un ejemplo